基于局部-全局特征筛选与权重自适应平衡的短期多元负荷与碳排放联合预测

提出一种融合时间卷积网络与Informer的联合预测方法，结合局部-全局特征筛选和动态任务权重平衡策略，提升多元负荷与碳排放预测精度、泛化性与计算效率。

为提高多元负荷与碳排放预测精度以及联合预测模型泛化能力,分析异质能源耦合关系及气象因素相关性,考虑不同负荷预测任务差异性,提出一种基于局部-全局特征筛选与权重自适应平衡的短期多元负荷与碳排放联合预测方法.首先,分析多元负荷、碳排放与影响因素在周内不同日期的局部相关性,并分析模型输入特征全局贡献度,精细化筛选联合预测模型输入特征;其次,结合时间卷积神经网络与Informer模型搭建短期多元负荷与碳排放联合预测模型;最后,提出权重自适应平衡方法在联合预测模型训练过程中动态调整不同预测任务权重,确保各预测任务训练平衡.利用美国亚利桑那州立大学坦佩校区综合能源系统实际运行数据进行实验,结果表明,所提方法可有效提高多元负荷与碳排放的预测精度,并具有更高的计算效率与泛化能力.