本次汇报对基于自学习的分布式储能网络化运营能量管理研究的研究进展进行介绍，主要从科研背景、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。
能量管理是对新能源发电设备进行实时监控，合理计划和利用能源，降低能源消耗，提高经济效益，降低CO2排放量。
科研目的：
设计分布式储能网络化运营的能量管理的优化函数，改进目标函数的求解算法，来提高能源利用效率，降低运营成本，改善电网稳定性，提高可再生能源消纳率。
研究内容：
对研究场景，目标函数、求解算法分类介绍
如1.配电网：
在电力网中主要起分配电能作用的网络。
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：
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:
储能是通过特定的装置或物理介质将不同形式的能量通过不同方式储存起来，以便以后在需要时利用的技术。 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，其应用场景包含用户侧、分布式电源侧和配网侧等三个方面。
科研问题：目前的研究中，分布式储能节点负荷的不确定性与随机性更强，存在数据稀疏性与不稳定性问题，难以精准预测分布式储能能量需求。
科研目的：结合多储能单元历史负荷数据来预测各储能单元的电力负荷，通过图卷积神经网络，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，提升预测模型对单一储能单元能量需求预测的精准性。
研究场景：
本次组会汇报分布式储能网络化运营能量需求预测研究的思路进展，从科研背景、科研问题、科研目的、研究内容等几个方面展开。
科研背景:
科研问题：
目前的研究中，分布式储能能量需求预测较少，在挖掘不同储能单元间的电力负荷空间时间等信息关联方面进展有限，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：
通过图卷积神经网络，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，来预测储能单元的电力负荷。
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。
本次组会将会介绍关于基于时空图的综合能源系统短期电力多负荷预测的思路想法
科研背景：
科研问题：
对于现有综合能源多负荷的时空特征进行充分地挖掘利用.
科研目的：
通过构建时空特征图卷积的方法来对负荷的时空以及其他特性进行提取隐藏信息，提高负荷预测精度。
整体流程：
综合能源系统短期电力负荷预测
文献来源
（1）Xuan W, Shouxiang W, Qianyu Z, et al. A multi-energy load prediction model based on deep multi-task learning and ensemble approach for regional integrated energy systems[J]. International Journal of Electrical Power & Energy Systems, 2021, 126: 106583.
（2）Zhou B, Meng Y, Huang W, et al. Multi-energy net load forecasting for integrated local energy systems with heterogeneous prosumers[J]. International Journal of Electrical Power & Energy Systems, 2021, 126: 106542.
（3）Chen B, Wang Y. Short-term electric load forecasting of integrated energy system considering nonlinear synergy between different loads[J]. IEEE Access, 2021, 9: 43562-43573.
（4）Wang C, Wang Y, Ding Z, et al. A Transformer-Based Method of Multi-energy Load Forecasting in Integrated Energy System[J]. IEEE Transactions on Smart Grid, 2022.
科研背景
1.综合能源系统：以电力系统为核心，通过其内部种类众多的能量转换设备和能源储存设备，实现各种能源系统之间的协调规划、优化运行、协同管理、交互响应和互补互济。
2.构建综合能源系统，有助于
（1）可再生能源规模化开发
（2）传统一次能源利用效率提升
（3）实现社会能源可持续发展
3.实现高效、准确的多能源负荷预测可以为综合能源系统的规划和运行设计提供重要的数据支持，具有重要的现实意义和经济价值。
科研问题
合理有效地对不同能源负荷之间的耦合关系进行建模
整体流程：
本次组会将会介绍阅读的一篇论文《Short-Term Residential Load Forecasting Based
on LSTM Recurrent Neural Network》，主要从以下几个方面介绍：
研究背景：
对于短期负荷预测，过往文献中采用了许多方法来解决这个问题。然而很少有人直接与个别客户打交道。针对单独家庭的短期负荷预测的问题还没有人解决。
如果有针对个别客户的准确负荷预测，电力供应商便可依靠这些资料，在电力短缺的情况下，锁定最有可能参与电力供应恢复计划的最佳客户群体，对提供负载平衡储备有重大作用。
科研问题：
由于具有高波动性和不确定性，预测单个住宅用户的电力负荷是相当具有挑战性的。
科研目的：
提出一种针对单个住宅用户的短期电力负荷预测框架
论文方法：
首先使用聚类方法对每日负荷曲线进行分析特性，得出预测框架
开发一个MAPE最小化的经验预测器
LSTM预测相关代码实现：
