计算机应用研究

作者：陈思溢,胡双麟,袁博,

单位：湘潭大学自动化与电子信息学院,湖南湘潭411100；

关键词：短期负荷预测,经验小波变换,TOPSIS特征融合,波动性感知注意力,深度学习,时间序列预测,

基金：湖南省优秀青年科学家基金资助项目(22B0156)；；

准确的电力负荷预测是保障电网安全稳定运行和优化能源调度的关键技术。针对电力负荷序列的非线性、非平稳性和复杂时序变化特性，提出了融合经验小波变换（EWT）、逼近理想解排序技术（TOPSIS）决策和波动性感知注意力的预测模型。该模型首先采用经验小波变换动态分解负荷序列，生成5个本征模态分量；其次设计多尺度波动性分析器，提取时域统计特征；然后构建波动性感知注意力机制，动态调制序列权重；最后引入两阶段TOPSIS特征融合层实现多源异构信息的优化整合。实验结果表明：在巴拿马数据集上，该模型实现了平均绝对误差（MAE）为39.87 MW、均方根误差（RMSE）为57.25 MW、平均绝对百分比误差（MAPE）为3.21%的预测精度，相较于Crossformer、PatchTST等基准模型，MAE降低10.73%～67.09%、RMSE降低5.81%～61.25%；在澳大利亚数据集上，该模型获得MAE为191.11 MW、RMSE为244.96 MW、MAPE为2.06%的性能，MAE降低2.31%～54.57%。消融实验验证了频域-时域-统计特征协同建模和波动性感知自适应机制的有效性。

来源：2026年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2026年第4期