摘要：精确的短期电负荷预测对综合能源系统的规划和优化调度具有重要意义，然而真实综合能源系统中的负荷数据由于数据质量低、波动趋势多变等情况，预测精度较低。为此，提出一种带注意力机制的长短时记忆（AT-LSTM）及集成学习的短期电负荷预测方法，在Stacking集成学习的框架下，对AT-LSTM、随机森林、决策树进行集成并预测短期电负荷，弥补单一模型预测精度较低的不足。具体地，基于对真实综合能源系统中的数据探索性分析结果，通过数据综合特征工程构造模型输入特征后，采用该预测方法进行短期电负荷预测。以北京某综合能源系统为例的实验结果表明，相比长短期记忆网络、决策树及随机森林等其他算法，所提方法预测误差最高降低了24.8%。

      关键词：短期电负荷预测；基于注意力机制的长短期记忆；集成学习；综合能源系统；特征工程

      中图分类号：TM28     文献标识码：A