基于双向长短期记忆网络和注意力机制的配电网负荷多步预测研究
摘要
负荷预测是智能电网建设的重要技术之一，高精度负荷预测的实施对于确保电网安
全稳定运行以及提高能源效率至关重要。配电网负荷预测可以进一步辅助电网规划和设
计、优化电力系统运行和节约能源资源。本文围绕配电网短期负荷预测展开研究，利用
堆叠降噪自编码器的残差连接处理噪声问题，再通过注意力机制结合双向长短期记忆网
络进一步提升二、三步预测精度，并以公开数据集作为算例对改进方法进行检验，最后
通过对经济调度研究以验证多步预测对配电网规划的重要性。
首先，针对数据采集、传输过程中噪声导致的配电网负荷预测准确性差和不稳定问
题，设计基于堆叠降噪自编码器和残差网络的数据处理模型，与双向长短期记忆网络通
过残差连接构建组合模型。堆叠降噪自编码器通过在输入数据中引入噪声来训练模型，
对输入数据进行多层级学习和重构，从而有效地去除噪声并还原干净的数据。残差连接
允许信息在网络中的不同层之间直接跳跃传递，有助于加快信息传播速度，并且可以帮
助模型更好地捕捉到不同层次的特征表示。与传统方法进行对比发现，在保证拟合度相
似前提下组合模型各项指标均有约5%的改善。
再次，针对配电网多步中二、三步预测精度较低和峰值处拟合效果较差问题，将注
意力机制嵌入双向长短期记忆网络通过引入新的可训练变量，使得网络更加灵活，在网
络不同层次上学习不同的注意力分布，依次加强各段数据之间联系。实验表明改进方法
对于第二、三步预测精度提升尤为明显，其中误差有约20%降低，且决定系数在第三步
也有约9%提升，并且在峰值处拟合效果更好。
最后，为验证多步预测对配电网规划的影响进一步研究配电网优化调度。设计改进
粒子群算法以优化搜索易陷入局部最优的缺陷，对惯性权重和学习因子动态调整以增强
搜索能力。实验表明准确的负荷预测可以确保配电网经济调度的稳定，同时改进调度算
法使得经济运行成本减少约1300美元，降低幅度约2%。综上，本文提供了一些有关多
步预测中连续缺失值处理和预测精度改善方面的借鉴，同时对优化调度的研究也证明了
负荷多步预测在配电网运行规划的重要性。
关键词：配电网负荷；负荷预测；残差模块；注意力机制；优化调度
基于双向长短期记忆网络和注意力机制的配电网负荷多步预测研究
Abstract
Loadforecastingisoneofthekeytechnologiesintheconstructionofsmartgrids.The
implementationofhigh-precisionloadforecastingiscrucialforensuringthesafeandstable
operationofthepowergrid,aswellasimprovingenergyefficiency.Distributiongridload
forecastingcanfurtherassistingridplanninganddesign,optimizepowersystemoperations,
andconserveenergyresources.Thispaperfocusesonshort-termloadforecastingindistribution
grids.Itaddressestheissueofnoiseinloaddatabyemployingastackeddenoisingautoencoder
withresidualconnections.Furthermore,theaccuracyoftwo-stepandthree-stepload
forecastingisfurtherimprovedbycombininganattentionmechanismwithabidirectionallong
short-termmemorynetwork.Theproposedmethodsarevalidatedusing