一种基于人工智能的配网负荷预测模型

本发明属于电力系统技术领域，尤其涉及一种基于人工智能的配网负荷预测模型，包括DM‑LSTM神经网络模型，所述DM‑LSTM神经网络模型对于配网负荷预测的方法包括以下步骤：S1：首先进行原始数据的收集，包括历史发电量、天气数据、季节信息、地理位置参数以及设备性能指标；S2：搭建Deep MLP深度网络编码器，将所收集的原始数据输入后进行数据信息的初始化和归一化处理；S3：搭建Spat iotempora l LSTM模型；S4：对Deep MLP深度网络编码器的输出和Spat iotempora l LSTM模型的输出进行融合，获得混合权重而降低预测差异；S5：在Spat iotempora l LSTM模型的末端搭建一个Softmax层。本发明综合考虑了静态和动态因素，提供更多的背景信息、时间序列建模能力和动态模式识别能力，有效降低预测误差，提高预测的准确性和可靠性。