摘要：各级电力公司积累了大量的历史发电数据,但是一直以来都没有得到有效利用.针对采用手工方式进行电力调度存在效率较低的问题,提出了一种基于长短时记忆网络（LSTM）和蚁群算法的智能调度算法.基于LSTM 深度学习算法,通过对电力公司历史数据进行建模,LSTM 算法可以有效提取出有效特征,实现预测一定条件下机组的耗煤量.同时,利用蚁群算法（ACO）设计了一种智能电力调度算法,从而在满足在完成实时发电任务的情况下,尽可能地节能减排.试验表明,采用LSTM 算法,相比较线性回归、随机森林等算法,预测耗煤量的均方误差更小;采用ACO 算法,相比较等微增率法、动态规划法以及遗传算法,可以更加快速、有效地分配发电负荷.

关键词：智能电网 节能调度 机器学习 深度学习 长短时记忆网络 

单位：安徽电力调度控制中心; 安徽合肥230022; 中国科学技术大学计算机科学与技术学院; 安徽合肥230027