基于多目标CNN-BiLSTM自动优化模型的电力负荷预测方法及系统

本发明公开了一种基于多目标CNN‑BiLSTM自动优化模型的电力负荷预测方法及系统，该方法通过实数离散编码将CNN和BiLSTM组合的CNN‑BiLSTM模型神经架构参数和训练超参数编码成粒子，将模型预测的均方误差和模型参数量最小化作为优化目标，通过优化目标的非支配排序及其位置的拥挤度距离计算完成Pareto更优粒子的评估和筛选，设计粒子位置和速度更新技术实现粒子群的离线迭代优化，得到兼顾电力负荷预测精度与模型轻量化的CNN‑BiLSTM折衷优化模型。本发明实现了电力负荷深度学习预测模型的自动优化，获得的CNN‑BiLSTM优化模型可轻量化在线部署于电力系统中，高效地实现电力负荷的精准预测。