[发明专利]一种面向区域综合能源系统的时空特征挖掘方法

权利要求书

1.一种面向区域综合能源系统的时空特征挖掘方法，包括以下步骤：

步骤一：基于短期\中期\长期时间尺度的能流网络数据，构建深度残差卷积神经网络，提取空间相关特征张量；

步骤二：基于临近连续时序的能流网络数据，构建时空循环神经网络，提取时序相关特征张量；

步骤三：基于与能源系统相关的外部影响因素信息，构建全连接神经网络，提取外部因素特征张量；

步骤四：融合空间相关特征张量和时序相关特征张量为时空相关特征张量，再将时空相关特征张量与外部因素特征张量进行融合，得到能流多源特征融合张量。

2.根据权利要求1所述的面向区域综合能源系统的时空特征挖掘方法，其特征在于，所述步骤一的具体步骤为：

1-1)基于区域综合能源系统网络拓扑结构和能源节点各时段能流信息，建立能源网络有向图和能流传输邻接矩阵，以此构建能流状态观测矩阵，再根据能流类型属性编组不同能流状态观测矩阵，得到各时段能流时空分布张量；

1-2)按短期\中期\长期时间尺度抽取能流时空分布张量，得到多时间尺度张量序列，并分解为多时间尺度能流分布矩阵序列，输入到相应的深度残差卷积神经网络中，提取与能流时空分布张量维度相同的空间相关特征张量。

3.根据权利要求2所述的面向区域综合能源系统的时空特征挖掘方法，其特征在于，所述步骤一中，建立的能源网络有向图的顶点集表示系统内所有能源节点，边集表示能源节点之间的所有连接；建立的能流传输邻接矩阵表示系统各能源节点之间的能流传输的流量。

4.根据权利要求2所述的面向区域综合能源系统的时空特征挖掘方法，其特征在于，所述步骤一中，构建能流状态观测矩阵的具体方法为：根据能源网络有向图和各能源节点坐标构建映射各能源节点不同类型能流流入、流出状态对应的观测矩阵，并根据能流传输邻接矩阵统计各能源节点不同类型能流的流入、流出量，更新各观测矩阵对应的元素值。

5.根据权利要求1所述的面向区域综合能源系统的时空特征挖掘方法，其特征在于，所述步骤一中，构建的深度残差卷积神经网络通过多通道并行结构挖掘多能流空间耦合关系，通过残差网络结构避免捕捉远距离空间相关性时的训练效率差、梯度下降问题。

6.根据权利要求2所述的面向区域综合能源系统的时空特征挖掘方法，其特征在于，所述步骤二的具体步骤为：

2-1)基于能源网络有向图和能流传输邻接矩阵，建立按时序表示各能源节点的初始状态、各能流传输流量的能源系统时空图，并基于能源系统时空图构建时空循环神经网络；

2-2)抽取临近连续时序的能流时空分布张量，将各张量分解后得到能源节点状态向量序列，将状态向量序列以及能流传输邻接矩阵对应的各传输流量值输入到时空循环神经网络，提取与能流时空分布张量维度相同的时序相关特征张量。

7.根据权利要求6所述的面向区域综合能源系统的时空特征挖掘方法，其特征在于，所述步骤二中，建立的能源系统时空图的顶点集合表示各能源节点在对应时段内的能流状态，边集表示对应时段内能源节点间能流传输和能源节点内部能源转换的时序变化关系。

8.根据权利要求6所述的面向区域综合能源系统的时空特征挖掘方法，其特征在于，所述步骤二中，构建的时空循环神经网络中的不同时段隐藏单元表示各能源节点对应时段状态及流入该节点的能流传输关系，且对于相同类型的能流传输关系和节点时序变化关系，共享一组隐藏单元参数。

9.根据权利要求1所述的面向区域综合能源系统的时空特征挖掘方法，其特征在于，所述步骤三的具体步骤为：

3-1)将各能源节点多源外部因素信息进行融合，得到各能源节点外部因素向量，并基于能流状态观测矩阵对各能源节点的映射关系和外部因素向量维数构建外部因素张量；

3-2)选取对应时段的外部因素张量，并分解为外部因素矩阵序列，输入到全连接神经网络中，提取与能流时空分布张量维度相同的外部因素特征张量。