人工智能在10 kV配网负荷预测中的应用

罗德松

doi:10.16009/j.issn.1009-5624.2026.14.023

信息记录材料 ›› 2026, Vol. 27 ›› Issue (14) : 72 -74. DOI: 10.16009/j.issn.1009-5624.2026.14.023

人工智能在10 kV配网负荷预测中的应用

罗德松

作者信息 +

Author information +

文章历史 +

摘要

针对10 kV配网多源异质数据融合困难、深度时序特征提取不充分等问题，本文提出一种基于VMD-CNN-BiLSTM-Attention三级预测模型的电力系统短时负荷预测方法。首先，通过变分模态分解(VMD)对原负荷序列进行非平稳化处理；其次，采用多源特征融合技术对气象数据和时间序列特征进行统一建模，并将其输入卷积神经网络(CNN)和双向长短期记忆网络(BiLSTM)中进行深度特征挖掘；最后，引入注意力机制，动态分配各阶段特征的权重，以对预测结果进行自适应修正。实验结果表明，本文所提方法显著提升了配网络的预测精度与稳健性，可为配网络优化调度提供可靠支撑。