摘要：精确高效的多元负荷预测对于综合能源系统的运行控制与调度具有重要意义，为了改善负荷预测效果，提出了一种基于压缩估计（LASSO）和LSTM-GRU神经网络的综合能源系统负荷预测模型。首先，针对综合能源系统气象因素导致数据复杂的问题，研究了基于LASSO回归的大数据选择及分析算法，对气象因数选择分析，获得有效的数据集；其次，采用长短期记忆（LSTM）神经网络对系统负荷进行预测，得到初步预测值；随后，采用门控循环单元（GRU）构建误差补偿模型，通过对预测误差的训练与学习，得到预测误差的补偿值；最后通过重构二者的输出，得到更理想的预测结果。通过算例仿真验证，所构建的预测模型相比于传统的LSTM神经网络预测模型与粒子群算法（PSO）优化的LSTM预测模型，具有更高的预测精确度。

      关键词：负荷预测；综合能源系统；LASSO回归；误差补偿；LSTM神经网络

      中图分类号：TM715     文献标识码：A