电力系统及其自动化学报ProceedingsoftheCSU-EPSA第35卷第6期2023年6月Vol.35No.6Jun.2023基于MTL-GRU-Attention的综合能源系统多元负荷预测岳伟民1，刘青荣1，阮应君2，钱凡悦2，孟华2（1.上海电力大学能源与机械工程学院，上海201306；2.同济大学机械与能源工程学院，上海200092）摘要：针对综合能源系统多元负荷预测问题，提出一种基于多任务学习、门控循环单元和注意力机制的多元负荷预测方法。首先，运用门控循环单元建立多任务学习的共享层，充分挖掘冷、热、电负荷之间的耦合特征；然后，利用贝叶斯优化算法实现门控循环单元最优超参数的自适应选择；最后，使用注意力机制实现子任务对共享层中重要特征的差异化提取，以增强关键信息的影响。以亚利桑那州立大学坦佩校区的实测负荷数据作为算例，结果表明所提模型具有更高的预测精度。关键词：多任务学习；门控循环单元；注意力机制；贝叶斯优化算法；综合能源系统中图分类号：TM715文献标志码：A文章编号：1003-8930（2023）06-0083-07DOI：10.19635/j.cnki.csu-epsa.001121MultivariateLoadForecastingofIntegratedEnergySystemBasedonMTL-GRU-AttentionMechanismYUEWeimin1，LIUQingrong1，RUANYingjun2，QIANFanyue2，MENGHua2（1.CollegeofEnergyandMechanicalEngineering，ShanghaiUniversityofElectricPower，Shanghai201306，China；2.SchoolofMechanicalEngineering，TongjiUniversity，Shanghai200092，China）Abstract:Aimedattheproblemofmultivariateloadforecastingofanintegratedenergysystem（IES），amultivariateloadforecastingmethodbasedonmulti-tasklearning（MTL），gatedrecurrentunit（GRU），andAttentionmechanismisproposed.First，asharedlayerofMTLisestablishedbyusingGRUs，andthecouplingcharacteristicsbetweencold，heat，andelectricloadsarefullyexploited.Then，theBayesianoptimizationalgorithmisusedtorealizetheadaptivese⁃lectionofoptimalhyperparametersofGRU.Finally，theAttentionmechanismisusedtorealizethedifferentialextrac⁃tionofimportantfeaturesinthesharedlayerbysubtaskstoenhancetheinfluenceofkeyinformation.ThemeasuredloaddataoftheTempeCampusofArizonaStateUniversityistakenasanexample，andresultsshowthattheproposedmodelhasahigherpredictionaccuracy.Keywords:multi-tasklearning（MTL）；gatedrecurrentunit（GRU...
