基于混合深度学习模型的火力发电量长序列预测

刘占旺

doi:10.16009/j.issn.1009-5624.2026.14.016

信息记录材料 ›› 2026, Vol. 27 ›› Issue (14) : 49 -51. DOI: 10.16009/j.issn.1009-5624.2026.14.016

基于混合深度学习模型的火力发电量长序列预测

刘占旺

作者信息 +

Author information +

文章历史 +

摘要

为解决火力发电长序列预测精度不足的问题，本研究构建了融合Transformer与Linear的Tlformer模型，有效提升了长序列火力发电量预测的精确性。本文将所提模型与线性层(Linear)、Transformer、Informer和长短期记忆(LSTM)网络四大主流预测模型进行了对比实验。实验结果表明：在历史窗口固定为20个时，TLformer预测未来30个时刻的均方误差(MSE)为0.289 9、平均绝对误差(MAE)为0.341 7、相对平方误差(RSE)为0.601 1;在预测时刻固定为30个时，TLformer在历史窗口长度为50个的MSE为0.302 8、MAE为0.358 3、RSE为0.610 8。Tlformer模型的预测性能显著优于对比模型，可为电力运行分析和调度决策提供参考。