摘要
针对电力系统负荷预测精度不足和调度优化效率低下的问题,本研究提出了一种基于深度学习的组合预测模型和智能算法驱动的多目标调度优化技术。通过负荷特征多维解析、卷积神经网络-长短期记忆(CNN-LSTM)网络混合架构模型构建和遗传算法优化求解,实现了负荷预测与调度优化的协同提升。实验结果表明:所提组合预测模型在超短期预测中平均绝对百分比误差(MAPE)低至1.42%,较传统自回归积分滑动平均模型(ARIMA)的2.45%提升1.03个百分点(相对改善42.0%);在调度优化方面,改进智能算法相比传统线性规划方法降低系统运行成本9.2%。本研究为电力系统安全经济运行和可再生能源高效消纳提供了有效的技术支撑。
出处
《信息记录材料》
2026年第3期57-59,共3页
Information Recording Materials
