融合卷积注意力与贝叶斯理论的发电厂燃气调峰智能预测方法

摘要

针对高比例新能源渗透下天然气调峰发电的强波动性与不确定性，以及传统预测方法存在的预测滞后和非规律特征捕捉难题，提出一种新能源发电厂燃气调峰智能预测方法。该方法通过重构状态变量与奖励函数，将预测任务转化为动态决策的连续控制问题。在TD3框架中引入卷积注意力机制以增强局部与全局特征建模能力，采用贝叶斯正则化抑制过拟合风险，并以Mish函数作为全局激活函数，优化梯度平滑性。通过跨领域的泛化性实验验证，预测方法在不同能源场景中均展现出优异的动态适应能力。实验结果表明：该方法能高效应对用气量的剧烈波动与突变，相较于原TD3算法，平均绝对误差与均方根误差分别降低79.9%和65.3%;与LSTM、Transformer等主流模型相比，其预测滞后效应得到显著改善，一阶滞后系数降低49.5%。消融实验证实了各改进组件的协同有效性。敏感性分析结果进一步表明，Mish函数的非单调平滑特性显著优于ReLU等激活函数，其平均绝对误差仅为Leaky ReLU的14%。本研究可为综合能源系统中天然气管网的动态调度优化提供高精度预测工具，对提升系统运行的经济性与安全性具有理论与应用价值。

关键词

发电厂 / 负荷预测 / TD3算法 / 卷积注意力机制 / 贝叶斯正则化 / Mish函数