超短期负荷预测为实时电力市场运行提供重要依据, 预测准确度的提升对于揭示负荷变化的不确定性以及日前 预测偏差具有重要意义。基于电力系统中含有的丰富大数据 资源,提出了一种针对区域级负荷的深度长短时记忆网络超 短期预测方法,该方法包括输入数据的预处理、深度长短时 记忆(long short-term memory,LSTM)网络的构建以及模型 的训练和超参数的寻找等步骤。其中采用随机搜索的方法寻 找最优超参数,并在该超参数下选择泛化能力最优的模型,与前沿机器学习预测算法进行对比。实验结果证实,深度 LSTM 网络可以取得更好的预测效果,适合于离线训练实时 预测。此外,通过对隐藏层激活向量的可视化