本次汇报对分布式储能网络化运营能量需求预测研究的研究进展进行介绍，主要从科研背景、科研问题、科研目的、研究进展几个方面展开。

科研背景:

分布式储能是一种容量小且普遍靠近于负荷端的储能配置形式，常应用于中低压配电网及智能微电网中。相较于集中式储能，分布式储能安装地点灵活、投资费用低, 功率介于几千瓦至几兆瓦之间，持续放电时间较短，且容量一般不大于10 MW ·h。

分布式储能物理形态多样，包括新能源电厂储能、社区储能、电动车储能、数据中心储能、家庭储能、移动式储能等 。
储能是新能源发电并网和消纳的重要支撑技术，其重要作用包括平抑功率波动、削峰填谷、改善电能质量等。

预测性能源管理系统（PEMS）技术依赖于对未来需求/负荷和能源产生的准确预测。

科研问题：目前对于负荷预测模型,提取更精确的负荷的序列特征表示的能力有限，预测的准确性和泛化能力有所欠缺。
同一区域多个负荷对象间存在相关性，使用传统的单任务学习方法未考虑多个地点的负荷间的潜在关系，忽视这之间的关联信息可能会导致学习效果欠佳。

科研目的：结合多储能单元历史数据，通过季节性分解的对比学习获得好的特征表示，接着通过多任务学习挖掘不同单元的相关性，对负荷进行预测，最后通过预测结果进行能量管理以降低微电网群运行成本。

研究框架：