准确预测电厂负荷可指导火电厂制定发电计划和调度安排，有利于降低能源成本和污染物排放，对电厂的经济性和环保性有重要意义。本文提出一种基于双向LSTM-Attention的火电厂负荷预测方法。首先，通过皮尔逊系数筛选出关键特征变量；其次利用双向长短期记忆网络提取关键变量之间的长期依赖关系与短期变化特征，最后融合注意力权重机制以进一步突出关键时序信息，进而实现负荷的准确预测。以某在役600 MW超临界机组为对象进行验证。结果表明：相较于单向LSTM、双向LSTM、单向LSTM-Attention，本文所提方法的决定系数R2、均方根误差SRMSE和平均绝对误差SMAE均为最优，分别为0.956 6、16.315 9、13.504 3，能更准确地捕捉到负荷快速波动的趋势，为电厂的负荷预测和能源管理提供可行的方法。

国家自然科学基金项目（62373241）；中国华能集团有限公司2022年度科技项目(HNKJ22-HF22)；

0 引言
1 研究方法
1.1 数据采集
1.2 数据预处理
1.3 数据统计性描述
1.4 模型原理
1.4.1 LSTM原理
1.4.2 Attention机制原理
1.4.3 LSTM-Attention模型
1.4.4 模型评估指标
2 结果与讨论
3 结语

[1]陈恩帅,茅大钧,陈思勤,等.基于双向LSTM-Attention模型的火电厂负荷预测研究[J].电力科技与环保,2024,40(04):380-387.