一种基于改进CNN-LSTM神经网络的配电网电压质量预测方法

本发明提出一种基于改进CNN‑LSTM神经网络的配电网电压质量预测方法，且通过入注意力机制的卷积神经网络‑长短时记忆神经网络混合模型，用于配电网电压质量预测。通过融合CNN和LSTM进行多维时空特征协同挖掘，引入注意力机制模块以聚焦关键时段特征，融入L2正则化与电压限值约束以改进损失函数，并加入蒙特卡洛Dropout生成95%置信区间，抑制过拟合的同时确保预测值符合物理边界，有效提高了预测精度和收敛速度。通过实测数据分析与对比，验证了本发明所提模型相比同类方法在准确性和计算效率上的优势。