时云洪，张龙，龙祖良

(中国电建集团贵州电力设计研究院有限公司，贵州 贵阳 550002)

智能电网是国家战略规划，是未来电力系统的发展趋势[1-3]。当前智能电网建设中资源的有效配置是电力工业的首要目标[4]。智能电网包括能源的生产、运输和分配。对未来电力负荷的准确预测是实现这一目标的必要条件，特别是对短期电力负荷的准确预测，因为它允许电力公司为规划和运营做出明智的决策[5]，从而节省通常因过载或低负荷成本而浪费的数以百万计的损失，以及不必要的二氧化碳排放[6]。

精确的负荷预测是电力系统一直追求的目标，各种现代的新兴算法、方法运用到负荷预测之中[7]。目前较为流行的预测方法分为物理模型预测和数据驱动预测两类。其中，通过数据驱动的方法因为不需要建立准确的预测对象物理模型而受到广泛关注。最新的研究[8]显示，人工智能与机器学习方法，比如人工神经网络(ANN)、支持向量机(SVM)、决策树等，能够实现较高精度的预测性能。其中，ANN已经成为最常见的预测方法。得益于深度学习的技术革新，深度神经网络已经成为当前研究的热点，如为序列建模和时间序列任务设计的长短期记忆(LSTM)网络，自适应特征提取的卷积神经网络，基于决策树的快速技术算法深度森林等。这些先进的深度学习方法为考虑电力随机波动的不确定性提供了可能。但是，现有的文献资料鲜有考虑电力波动不确定性的研究[9]。

如何利用深度学习将不确定性进行评估以避免由此造成的失误预测仍然是一项挑战。……