来源：期刊VIP网 时间：
作者：梁琛;李亚昕;罗利;赵子玮;张艺林;唐俊杰;
单位：重庆大学电气工程学院;国网甘肃省电力公司电力科学研究院;
摘要：为克服净负荷传统直接预测会忽视负荷与光伏出力的内在特性差异，而间接预测易引入误差叠加的不足，提升冷库净负荷预测精度，提出了一种基于多头注意力机制与多任务学习的改进长短期记忆网络模型（multi-head attention-multi-task learning-LSTM,MHA-MTL-LSTM）。该模型在提取冷库负荷与光伏时序特征时，通过多头注意力机制对历史序列中不同时刻的特征进行自适应加权，从而增强模型对关键运行状态的捕捉能力；同时，采用多任务学习框架并行输出负荷、光伏以及净负荷预测值，并在损失函数中引入物理约束与峰段加权机制，有效保证了预测结果的合理性与准确性。结果表明，所提出的MHA-MTL-LSTM模型能够实现对冷库净负荷的准确预测。
关键词：净负荷;;预测;;多任务学习;;神经网络;;物理约束
基金资助：智能电网国家科技重大专项“美丽乡村分布式智慧能源系统示范工程”（2024ZD0800500）;; 国网甘肃省电力公司科技项目（B3272225000P）~~
