基于改进鹗优化算法的TCN-BiLSTM-分位数回归模型用于综合能源系统多能源负荷短期概率预测
《Mathematics》:Short-Term Probabilistic Interval Forecasting of Electricity, Cooling, and Heating Loads Using an Improved Osprey Optimization Algorithm-Based TCN-BiLSTM-QR Model
【字体:
大
中
小
】
时间:2026年09月29日
来源:Mathematics 2.3
摘要
综合能源系统(IESs)具有强非平稳性、季节异质性以及电、冷、热负荷的随机波动特征,使得准确可靠的概率预测极具挑战性。针对这一问题,本研究提出了一种基于改进鹗优化算法的TCN-BiLSTM-分位数回归(IOOA-TCN-BiLSTM-QR)模型,用于多能源负荷的短期概率预测。该模型整合了Logistic混沌映射和Lévy飞行来增强鹗优化算法的优化能力,同时采用TCN和BiLSTM分别捕获多尺度局部特征和长期时间依赖性。进一步引入分位数回归来构建90%预测区间并量化预测不确定性。利用某大学综合能源系统的全年小时级运行数据,所提模型的平均PICP和PINAW值分别为90.50%和0.1513,表明区间覆盖率与宽度之间取得了良好的平衡。在点预测方面,该模型在测试集上对电、冷、热负荷的R2值分别为0.9385、0.9781和0.9731,对应的MAPE值分别为2.61%、2.67%和2.36%。对比和消融实验证明了集成优化和时间特征提取框架的有效性,而跨数据集验证进一步确认了其对不同多能源负荷条件的适用性。总体而言,所提模型提供了准确的点预测和平均覆盖率接近名义水平的90%预测区间,为综合能源系统的备用容量分配、运行调度和风险感知决策提供了定量信息。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号