基于自学习的分布式储能网络化运营能量需求预测研究

本次组会将对更改后的开题报告方向进行简要介绍

科研背景:
当前，我国经济结构和能源体系正经历革命性变化。分布式能源在提升能源利用效率、优化能源供给结构、缓解能源供需地域不平衡等方面发挥了重要作用，是现代能源系统不可或缺的重要组成部分。
储能是新能源发电并网和消纳的重要支撑技术，在平抑电力供需矛盾方面发挥关键作用。而将能源互联网技术与分布式储能系统相结合，以数字化、智能化手段实现分布式储能资源配置，实现能源大数据的安全共享与智能管控，是“互联网+”智慧能源的重要组成部分。
自学习方法支持未标注数据与已标注数据服从完全不同的数据分布，使模型能够从未标注数据学习特征，因为对数据的松散限制，自学学习可以广泛应用于多个领域之中。

科研问题：
目前的研究中，分布式储能能量需求预测较少，在降低对单一储能单元电力数据规模、挖掘不同储能单元间的电力负荷关联方面进展有限，缺乏有效方法对于这一场景进行建模做出准确预测。

研究内容：
通过研究自学习方法进行改进，针对不同区域分布式储能单元的电力负荷需求数据，引入不同储能单元时空信息、储能数据信息，挖掘不同时间、地点分布式单元间负荷需求的内在相关性，来预测未知储能单元的电力负荷。