外生感知解耦网络

预测轨迹可信

将负载时序解耦与外生特征感知结合，同时提升预测精度和负荷轨迹的物理合理性。

Zi, Wang · 王迎春 · Junqi, Liu · Qiu, Xiaojie

Applied Energy 2026

参数信息

冷却负荷 RMSE

256.22 kW

供热负荷 RMSE

109.93 kW

电力负荷 RMSE

145.21 kW

冷却负荷 R²

0.973

供热负荷 R²

0.975

电力负荷 R²

0.984

负值违规降低幅度

80.24 %

轨迹曲率降低幅度

63.87 %

技术优势

精度与物理合理性兼得

通过将物理先验作为软约束加入损失函数，预测轨迹在保持低RMSE的同时，大幅减少负值违规和热不一致现象。

跨系统可迁移

在Kitakyushu校区数据集上的外部验证表明，模型可适应不同园区和气候条件，无需从零训练。

利用外生信息提升预测

通过解耦负荷内部时序与负荷间交互，并利用目标日外生预报检索相关历史日模式，提高了对复杂耦合负荷的预测能力。

应用场景

• 综合能源系统调度：提供物理可信的日前负荷曲线，支撑园区内电、冷、热多能协调调度与运行优化。
• 园区多能负荷预测：针对园区冷热电耦合特性建模，提升负荷预测精度和物理合理性。
• 能源物联网预测：模型轻量化且利用外生传感器数据，适合能源物联网场景下的实时预测。
• 可再生能源消纳：准确预测负荷有助于消纳可再生能源，优化储能和需求响应策略。