摘要
电力系统负荷预测是电网规划与调度运行的核心环节,预测精度直接影响电
力系统运行的安全性与经济性。本文梳理了传统负荷预测方法与人工智能方法的
应用局限,针对单一预测模型泛化能力不足、抗干扰性差的问题,提出基于小波
分解与长短期记忆神经网络(LSTM)结合的组合优化预测模型,通过小波分解
分离负荷序列的趋势项与波动项,再分别用 LSTM 网络训练预测,最终重构得到
预测结果。依托某区域实际用电负荷数据开展仿真实验,结果表明,优化后的组
合模型预测平均绝对误差比单一 LSTM 模型降低 18.2%,预测精度提升明显,能
够为电力系统调度决策提供更可靠的支撑。
机构地区
510124198103100016
发表时间
2026年07月27日(期刊网平台发表日期,不代表实际的发表时间)