摘要
本发明公开了面向智能配电网的负荷概率预测与多目标优化方法，涉及智能配电网技术领域，包括获取智能配电网的历史负荷特性数据，并对历史负荷特性数据进行归一化处理；基于卷积神经网络和长短期记忆网络构建混合深度学习模型，提取历史负荷数据的长期依赖关系和局部特征，得到负荷数据特征；根据历史负荷特征数据基于贝叶斯推断方法对历史负荷数据的不确定性进行量化，并结合负荷数据特征构建负荷概率预测模型；根据负荷概率预测模型运用多目标粒子群优化算法对配电网进行多目标优化以及动态调度。本发明解决了传统方法在处理负荷数据复杂特征方面以及在多目标协调优化方面的不足，从而提高了负荷预测的准确性，实现了配电网的综合性能提升。
