企业官网建设流程全解析

简介：这是一套面向电力负荷预测的完整Python代码实现，核心算法采用变分模态分解（VMD）结合卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）与注意力机制（Attention），适用于毕业设计、课程设计以及相关科研实验。针对电力负荷数据波动性强、非线性明显、时序依赖复杂等特点，资源提供了从变分模态分解、特征构造到模型训练评估的整套流程，可帮助学习者快速掌握组合模型在负荷预测中的用法。压缩包内共包含15个文件，主体是6个Python脚本，用于运行主模型和多种对比模型；另有2个Jupyter Notebook用于交互式演示，3个zbak备份文件对重要代码进行留档，1个附赠zip提供扩展内容，并附带电力负荷数据集CSV、分解结果Excel及说明TXT，整体压缩后仅2.86MB，轻量便于获取。该资源已有119人学习，适合需要参考源码、复现实验或进行模型对比的研究者与学生。通过本份资源，可以运行变分模态分解-卷积神经网络-双向长短期记忆网络-注意力机制主模型，同时获得VMD-LSTM、VMD-CNN-BiGRU等对照实验脚本、数据预处理与分解保存代码，以及使用说明，是开展负荷预测课题的实用参考资料。

1. 负荷预测研究到了拼特征提取能力的阶段：VMD-CNN-BiLSTM-Attention就是当前实用度最高的组合之一

电力系统的短期负荷预测，一直是调度、规划和市场化交易的前置环节，预测误差每降一个百分点，背后就是实打实的备用容量和成本。但这几年大家翻车翻得最集中的地方，不是模型不够深，而是原始负荷序列本身就带着强非线性，加上天气、节假日、生产计划这些外部因素的扰动，直接丢给LSTM或者Transformer，效果往往不稳定。我一般会先用VMD（变分模态分解）把负荷序列拆成几个不同频段的模态分量，再用CNN提取局部特征、BiLSTM双向建模时间依赖、Attention层对关键历史时段加权。这条VMD-CNN-BiLSTM-Attention路线，适合做短期负荷预测的研究生和工程师，用Python复现的成本不高，落地效果好。

2. 功原理拆解：VMD为什么值得前置，CNN、BiLSTM和Attention各扛什么活

2.1 VMD：把非平稳负荷序列拆成K个有限带宽模态

负荷序列最麻烦的地方在于它的非平稳性。早晚高峰的快速爬升是高频成分，季节趋势是低频成分，突发天气影响又叠加在中间频段。直接让神经网络在一个非平稳序列上做映射，模型要自己隐式地做频段分离，这等于把复杂问题加在了模型自己身上。VMD的做法是把这个序列分解成K个调幅-调频信号，也就是固有模态函数（IMF），每个IMF相对平稳、带宽有限。

VMD的数学框架是求解一个约束变分问题，目标是最小化每个模态的估计带宽之和。和EMD相比，VMD的分解过程不是递归式的、不靠包络极值来筛，而是整体求解，这就规避了EMD最让人头疼的模态混叠问题，分解结果在可重复性上也更稳。

实际用vmdpy库时，最常调的参数就两个：模态个数K和惩罚因子alpha。K设小了，模态内部仍然混着多个频段；K设大了，同一个频段被拆碎，还会出现两个相邻模态变成“双胞胎”的情况。K到底怎么定？常见做法是观察中心频率：把K从3往上加，同时打印每个IMF的中心频率，如果发现两个模态中心频率几乎重合，说明K过头了。alpha影响带宽约束的严格程度，alpha越大，各模态带宽越窄，经验取值2000在多数负荷数据上表现不差——这是后面章节要展开的调参内容。

2.2 CNN：一维卷积做局部时段特征提取

分解后的每个IMF相对平稳，但仍然有局部模式。CNN在这里做的不是图像识别，而是用一维卷积核在时间轴上滑动，提取相邻时段的局部关联。比如负荷爬坡过程往往持续30到60分钟，如果时间粒度是15分钟，卷积核大小为4的一维卷积就能看到一小时的爬坡形状，卷积核自动学习“爬坡速率”和“峰谷形态”这类局部模板。

CNN参与时序预测有两条常见路线。一条是纯粹用CNN堆感受野，比如TCN；另一条是把CNN当作嵌入层，后面接循环网络。VMD-CNN-BiLSTM-Attention走的是后一条：每个模态先过Conv1d做局部特征变换，输出仍然是序列结构，再交给BiLSTM。这里有个关键点：Conv1d的输入形状是(samples, timesteps, channels)，负荷预测里每个模态是单通道序列，卷积后如果想让时间步完整保留，padding用same，不要用valid，否则序列长度被压缩，后续BiLSTM能回顾的历史就短了一截。

2.3 BiLSTM：双向时间依赖建模，补上CNN看不到的长程上下文

CNN的感受野终归有限，两三个卷积层叠加，看到的也只是几小时内的局部上下文。但负荷预测里有个典型场景：工作日早上8点的峰值，往往和前一天的同一时段强相关，也可能和一周前同一天的趋势相关。这种长程依赖CNN干不了，必须靠循环网络。

LSTM通过门控机制记忆长程信息，不过单向LSTM只看到过去的信息。BiLSTM的“双向”在于它同时在时间轴上做正向和反向两次遍历，两个方向的隐状态拼接作为输出。在滑窗模式下，喂给模型的是一个完整的历史窗口（比如最近96个时间步），窗口内每个位置的“未来”就是右侧已经观测到的数据点，所以离线训练和评估完全合法。需要提醒的是，如果做严格的在线实时预测且对延迟极度敏感，双向结构计算量翻倍，此时换成单向LSTM更实际。

2.4 Attention：让模型在预测时刻主动“回顾”最相关的历史片段

BiLSTM的输出是隐状态序列，每个时间步一个向量。传统做法是把最后一个时间步的隐状态取出来接全连接层，但这有一个隐含假设：最后一个隐状态已经把历史信息全部编码完了。这个假设在长序列和强周期信号上并不成立，所以需要注意力机制。

Attention的核心操作是打分和加权：在预测时刻，模型根据当前状态，对历史每个时间步的隐状态计算一个相关性分数，softmax归一化成权重，再做加权求和。权重越大，说明该历史时刻对当前预测越关键。在Keras里不需要手写复杂计算图，自定义一个Layer就能在BiLSTM输出序列上做时间步级的注意力池化。

从数据流看这个组合：VMD负责把非线性问题线性化，CNN负责提取局部形态，BiLSTM负责长程双向建模，Attention负责动态选择关键信息。四者分工不同且不重叠，这也是它在负荷预测竞赛和实际项目里表现稳定的原因。

3. Python实现：VMD分解、CNN-BiLSTM-Attention建模与训练全流程

3.1 数据读取、缺失值处理和归一化

负荷历史数据通常来自SCADA系统或计量自动化系统，常见格式是CSV，列至少有时间戳和负荷值。拿到数据的第一步，先把时间戳设为索引并排序，检查缺失值和重复值。如果索引不是连续的，比如缺了某一天的记录，先补出空行再填充，否则滑窗样本的时间间距不均匀，模型会学到错误的时间节奏。

接下来是归一化，这里有个容易翻车的细节：一定要先划分训练集和测试集，再在训练集上fit归一化器，测试集只用训练集的scale做transform。如果把全部数据一起归一化，测试集的信息就通过scaler泄漏到了训练过程，验证集指标虚高，等上线跑真实预测时立刻被打回原形。

import pandas as pd import numpy as np from sklearn.preprocessing import MinMaxScaler # 读取负荷数据，两列：ds（时间戳）、y（负荷值） df = pd.read_csv('load.csv', parse_dates=['ds']) df = df.set_index('ds').sort_index() # 如果时间索引不连续，先补全到15分钟间隔 df = df.asfreq('15min') # 异常值处理：连续3个及以上0值，用前后邻域中值替换 zero_mask = (df['y'] == 0).rolling(3).sum() >= 3 if zero_mask.any(): idx = df.index[zero_mask] for i in idx: left = df['y'].loc[:i].iloc[-4:-1].median() right = df['y'].loc[i:].iloc[1:4].median() df.loc[i, 'y'] = np.nanmedian([left, right]) # 划分训练/测试集：前80%训练，后20%测试 n = len(df) train_size = int(n * 0.8) train_df = df.iloc[:train_size] test_df = df.iloc[train_size:] # 只在训练集上fit归一化器，测试集只做transform scaler = MinMaxScaler(feature_range=(0, 1)) train_scaled = scaler.fit_transform(train_df[['y']]) test_scaled = scaler.transform(test_df[['y']])

这段代码的顺序是刻意安排的：先排序、补全、清洗，再划分，最后归一化，顺序不能乱。rolling(3).sum() >= 3的含义是连续三个或以上零点才判定为异常段，避免误杀夜间低谷的合法低负荷；如果业务场景里0值本身就不正常，阈值可以调低。asfreq('15min')会为缺失时间戳插入空行，空值在后续邻域填充时一并处理。归一化器只在训练集上计算min和max，测试集用同一组参数变换，这是防数据泄露的第一道闸门。

3.2 用vmdpy对负荷序列做变分模态分解

VMD在Python里最方便的实现是vmdpy库，pip install vmdpy即可。核心函数VMD()返回u、u_hat、omega，其中u是分解后的模态分量矩阵，每行是一个IMF，omega记录了每次迭代的中心频率。

对整段序列做VMD是离线研究的常规做法，如果想上线滚动预测，更稳妥的做法是每来一个新点，取过去足够长的窗口重新做VMD，再让模型预测下一步，代价是计算量变大。下面代码按离线研究的标准流程来写。

from vmdpy import VMD import numpy as np # 对整段归一化后的序列做VMD signal = np.concatenate([train_scaled.flatten(), test_scaled.flatten()]) K = 5 # 模态个数，根据中心频率观察调整 alpha = 2000 # 带宽惩罚因子 tau = 0.0 # 噪声容忍度，0表示严格无噪声 DC = 0 # 0表示不强制直流分量进入独立模态 init = 1 # 中心频率初始化方式，1为均匀初始化 tol = 1e-7 # 迭代终止容差 u, u_hat, omega = VMD(signal, alpha, tau, K, DC, init, tol) # u 的形状是 (K, len(signal))，每一行是一个模态分量 print("模态分量矩阵形状:", u.shape) print("各模态中心频率:", omega[-1])

VMD()的参数里，DC=0表示第一个模态不由直流分量强制占据，留给算法自己分配；init=1是均匀初始化中心频率，对有明显周期性的负荷数据，比随机初始化收敛更快更稳；tol=1e-7足够，太小会增加迭代次数但结果几乎不变。分解后查看omega[-1]可以帮助判断K是否合理：如果最后两个中心频率几乎重合，就该减小K；如果第一个模态中心频率已经接近0，说明直流分量未单独建模，有些场景下这是正常的，看振幅是否过小来判定。

3.3 构建滑窗样本并设计CNN-BiLSTM-Attention模型

分解得到K个模态后，用滑窗构建训练样本。核心思路是用过去window_len个时间步的K个模态值，预测未来horizon个时间步的原始负荷值。预测目标是原始负荷而不是某个模态的值，所以标签用该时刻所有模态之和，也就是模态在时间维度的叠加恰好还原原始序列。

def make_samples(u, window_len, horizon): # u shape: (n_timesteps, K)，已经转置 n = u.shape[0] X, y = [], [] for i in range(0, n - window_len - horizon): X.append(u[i:i+window_len]) # (window_len, K) y.append(u[i+window_len+horizon-1].sum()) # 该时刻所有模态之和 return np.array(X), np.array(y) window_len = 96 # 96个时间步，对15分钟粒度来说就是过去24小时 horizon = 1 # 预测未来1个时间步 u_T = u.T # 转置为 (n_timesteps, K) X, y = make_samples(u_T, window_len, horizon) # 按4:1切分训练与验证 split = int(len(X) * 0.8) X_train, y_train = X[:split], y[:split] X_val, y_val = X[split:], y[split:]

这里特别说明标签的构造方式。u_T的每一行是一个时间步上K个模态的值，u[i+window_len+horizon-1]取的是窗口结束位置的目标时刻，.sum()把这个时刻所有模态相加，就得到原始负荷在该时刻的值。滑窗步长为1，样本量最大，但相邻样本高度相关，验证集损失在训练后期可能有震荡；内存紧张时把步长改成4或8可以接受，验证集指标会略降。

模型构建使用Keras的Functional API。输入是(window_len, K)，先经过一维卷积提取局部特征，再进BiLSTM，然后接自定义的Attention层做时间步加权求和，最后过全连接输出。

import tensorflow as tf from tensorflow.keras import layers, Model class AttentionLayer(layers.Layer): def __init__(self, return_weight=False, **kwargs): super(AttentionLayer, self).__init__(**kwargs) self.return_weight = return_weight def build(self, input_shape): self.W = self.add_weight(name='att_weight', shape=(input_shape[-1], input_shape[-1]), initializer='glorot_uniform', trainable=True) self.b = self.add_weight(name='att_bias', shape=(input_shape[-1],), initializer='zeros', trainable=True) self.v = self.add_weight(name='att_vec', shape=(input_shape[-1],), initializer='glorot_uniform', trainable=True) super(AttentionLayer, self).build(input_shape) def call(self, inputs): # inputs shape: (batch, timesteps, features) score = tf.nn.tanh(tf.tensordot(inputs, self.W, axes=[2, 0]) + self.b) score = tf.tensordot(score, self.v, axes=[2, 0]) # (batch, timesteps) att_weight = tf.nn.softmax(score, axis=-1) context = tf.reduce_sum(inputs * tf.expand_dims(att_weight, -1), axis=1) if self.return_weight: return context, att_weight # 训练时返回context，诊断时取权重 return context def build_model(window_len, K): inp = layers.Input(shape=(window_len, K)) # CNN：一维卷积提取局部时段特征 x = layers.Conv1D(filters=64, kernel_size=4, padding='same', activation='relu')(inp) x = layers.BatchNormalization()(x) x = layers.Dropout(0.2)(x) # BiLSTM：双向时间依赖建模 x = layers.Bidirectional(layers.LSTM(units=64, return_sequences=True))(x) x = layers.Dropout(0.2)(x) # Attention：对BiLSTM输出的时间步做加权池化 x = AttentionLayer()(x) # 输出层 x = layers.Dense(32, activation='relu')(x) out = layers.Dense(1)(x) model = Model(inputs=inp, outputs=out) model.compile(optimizer='adam', loss='mse', metrics=['mae']) return model model = build_model(window_len, K) model.summary()

kernel_size=4配合padding='same'，在15分钟粒度下等价于“只看最近一小时内的局部形态”，不会把感受野撑太大。filters=64给了足够多的局部模板数量，数据量只有几千样本时可以考虑减半到32。BiLSTM的units=64和filters保持一致，Attention层的W、b、v参数是模型的一部分，梯度会自动更新，不需要手动设置学习率或正则化——你要做的只是确认输入输出形状对得上。整个模型参数量在几万到十几万之间，CPU能跑，只是慢一些。

3.4 训练策略与反归一化评估

compile用Mean Squared Error，因为负荷预测本质上是回归，MSE对陡峭峰值的惩罚较大，好处是逼着模型拟合峰值，坏处是均方误差会让模型为了降低大误差而牺牲小负荷段的精度。如果更关注平均误差，可以改用MAE或Huber loss。我一般先用MSE训练，再用MAE做评估，两个指标都看。

from tensorflow.keras.callbacks import EarlyStopping, ReduceLROnPlateau early_stop = EarlyStopping(monitor='val_loss', patience=10, restore_best_weights=True) lr_reduce = ReduceLROnPlateau(monitor='val_loss', factor=0.5, patience=5, min_lr=1e-5) history = model.fit( X_train, y_train, validation_data=(X_val, y_val), epochs=100, batch_size=64, callbacks=[early_stop, lr_reduce], verbose=1 ) # 预测并反归一化 y_pred_scaled = model.predict(X_val).flatten() y_true_scaled = y_val.flatten() y_pred = scaler.inverse_transform(y_pred_scaled.reshape(-1, 1)).flatten() y_true = scaler.inverse_transform(y_true_scaled.reshape(-1, 1)).flatten() from sklearn.metrics import mean_absolute_error, mean_squared_error mae = mean_absolute_error(y_true, y_pred) rmse = np.sqrt(mean_squared_error(y_true, y_pred)) print(f"MAE: {mae:.2f} MW, RMSE: {rmse:.2f} MW")

EarlyStopping的patience=10是经验值：负荷数据的训练loss通常在前30个epoch收敛得差不多，patience太小容易在验证集震荡时错过最优权重，太大又浪费时间。ReduceLROnPlateau每5个epoch没有进展就把学习率降一半，最低到1e-5。反归一化时注意，scaler是在训练集上fit的，inverse_transform出来的是真实MW值。模型输入用了VMD后的模态，但模态和原始值同在0到1区间，所以不需要对模态单独做反归一化，最终预测对准原始负荷值即可。

4. 参数怎么调：从VMD的K值到模型超参数的调优路径

4.1 K值：模态个数的三重判断

K是影响模型上限的第一个关键参数。K设小了，比如2，VMD把负荷拆成低频趋势和高频波动，高频部分仍含多个频段叠加，后续模型要处理的是个“准平稳”序列，压力转嫁给CNN和BiLSTM；K设大了，比如10，相邻模态中心频率接近，信息被重复拆分，训练时间翻倍收益接近零，部分模态在某个时段能量趋于零，成为稀疏模态，神经网络在稀疏输入上容易学偏。

我的判断分三步。第一步看中心频率，打印omega[-1]，相邻两个中心频率的比值小于1.2说明靠得太近。第二步看重构误差，用u.sum(axis=0)和原始signal算MSE，如果重构误差大于1e-6量级，分解本身就不准确。第三步做消融实验，固定其它参数，把K从3到7各跑一遍，选验证集MAE最低的。实验室里K=5在多数日负荷曲线上表现稳定，可以当起点，但不同季节的最优K可能不同，换季时要重新标定一次。

4.2 alpha惩罚因子：带宽的松紧程度

alpha控制模态带宽的约束强度，默认2000在大多场景可用，但不代表不用调。alpha偏大时，每个模态带宽收窄，频段分得更细碎，模态数量一定时覆盖的频段范围变小，高频细节重构时损失变大；alpha偏小时，带宽变宽，相邻模态重叠加剧，分解的去相关效果变差。负荷数据里既有关键的日周期（24小时），也有小时级的快速波动，alpha在1000到3000区间做网格搜索就好，它对精度的影响通常小于K值，不用花太多时间去抠。

4.3 CNN的kernel_size与filters：感受野的宽度和模板的容量

kernel_size决定CNN看多长的局部时段。15分钟采样间隔下，kernel_size=4看到1小时窗口，kernel_size=8看到2小时窗口。负荷的爬坡事件通常在1到2小时内完成，所以推荐起点4，想捕获早晚高峰的长坡面轮廓用8也可以。kernel_size加大会增加同层参数量，但参数共享机制让增加变得有限；真正影响参数量的是filters，从32加到64参数量翻倍，训练集够大时精度提升，数据量只有几千样本时64几乎必过拟合，32搭配Dropout更稳。

4.4 BiLSTM的units与层数：不是越深越好

BiLSTM的units决定隐状态容量。64在负荷预测里算“甜点”值，hidden units太低比如16会丢周期特征，太高比如256在几千样本下就是过拟合温床。堆两层BiLSTM在NLP里常见，但负荷预测这种单变量回归任务里，第二层带来的收益经常是个位数百分比，训练时间却翻倍，不划算。我的建议是先跑单层，如果训练损失和验证损失都高，说明欠拟合，再加units或加层；如果训练损失低验证损失高，优先加Dropout而不是加深网络。

4.5 滑窗长度、batch size与学习率的配合

window_len=96表示用过去一天预测未来，这是负荷预测最经典的输入长度，因为日周期性是负荷序列最强的规律之一。想捕捉周周期可以尝试window_len=672（一周），但序列越长BiLSTM的遗忘门压力越大，Attention的加权恰好是对这个问题的缓解。batch size方面，64是内存和收敛速度的折中，样本量2万以下不要用256，大batch收敛变慢，验证集指标波动更大。学习率用Adam默认的1e-3即可，配合ReduceLROnPlateau让它后期自动降低，比预设schedule更省心——负荷数据在不同时间段特征分布会有漂移，自动降学习率能跟着数据走。

下表汇总我常用的起点参数，可以作为第一轮实验的基准：

调参这件事到后期多少有点玄学成分，但有了这个基准表，第一轮实验的起点是明确且可复现的，后续每次只改一个变量，记录验证集MAE，比同时改三四个参数然后对着曲线猜原因高效得多。

5. 避坑指南：VMD-CNN-BiLSTM-Attention落地时最常踩的五个坑

5.1 数据泄露：整段归一化和整段VMD让测试集“看”了未来

现象：验证集MAE非常漂亮，比论文里还低，但上线后跑真实新数据，误差直接翻倍。

原因：在划分训练测试集之前就对全量数据做归一化，测试集的均值和极值参与了scaler拟合；或对包含测试段的整段序列做VMD分解，测试段的分量在分解时受未来数据影响。

解决：归一化只在训练集上fit，测试集只做transform。VMD如果按整段分解，只适用于离线研究和对比实验；部署滚动预测时，对每个新样本取过去足够长的窗口做VMD，再让模型预测下一步，这是符合真实部署节奏的做法。

5.2 VMD出现两个中心频率几乎相同的模态

现象：分解结果里有两个模态曲线形状几乎一模一样，重构误差正常，但模型训练变慢，验证集精度不升反降。

原因：K设大了，相邻模态的中心频率在迭代后收敛到同一位置，出现模态重复，业内俗称“双胞胎模态”。

解决：降低K，一般从当前值减1或2，再观察omega判断。如果两个中心频率差小于其中一个的20%，就确认是冗余模态。另一种办法是把alpha调大，让带宽收窄，有时能让两个模态拉开距离，但根治还是要减K。

5.3 模型预测结果被“拉到平均值”附近

现象：验证集MAE中等，画出预测曲线和真实曲线，高峰和低谷都对应不上相位，预测值像被拉平一样，峰谷被低估。

原因：MSE损失下，模型倾向于把预测值收敛到条件均值以避免大的平方误差，峰谷这类极端值天然被平滑。另一种可能是滑窗长度太短，模型还没看到昨天同一时段的信息。

解决：损失函数换Huber或MAE试试；把window_len扩展到96甚至更大；如果还不行，对预测值做后处理，用真实历史同期值的残差修正当天的峰谷误差。这不算作弊，因为负荷预测实际业务里，残差修正是普遍使用的兜底手段。

5.4 训练集和验证集MAE差异很大，验证集不降反升

现象：前几个epoch训练集loss快速下降，验证集loss掉到某个点后一路反弹，没有回头的意思。

原因：过拟合。CNN层或BiLSTM层参数量在数据量面前太大了；也可能是Dropout放的位置不对，只在BiLSTM后加一层，Conv1d的输出直接暴露给后续全连接，隔离不够。

解决：先检查样本量，如果只有几千个，把filters和units都砍一半。Dropout建议在Conv1d后和BiLSTM后都加，rate从0.2起步。EarlyStopping的patience可以降到7，避免验证集反弹几轮后才止损，错过最优权重。

5.5 多模态分别预测再叠加时出现“平移误差”

现象：每个IMF分别训练模型，叠加后MAE不错，但预测曲线整体比真实值滞后一两个采样点。

原因：每个模态模型独立预测时，相位信息没有被统一对齐。低频趋势模态预测得准，高频模态的相位预测误差却在叠加时被放大。

解决：优先用多模态联合输入的单模型方案——K个模态作为K个通道同时输入CNN-BiLSTM-Attention，让Attention层统一对齐模态间的相位信息。如果一定要分模型预测，高频模态的损失函数单独用MAE，并适当降低它在总量中的权重，减少滞后效应。

6. 进阶技巧：用注意力热力图验证模型学到了什么

很多人用Attention只当它是精度工具，其实它也是诊断工具。把Attention层输出的权重取出来，画成热力图，能直观看到模型在预测某个时刻时，把注意力放在了历史的哪些位置。这是我每次搭新数据集时的必做动作：先不看MAE，而是看热力图是否符合负荷预测的常识。

具体做法是在AttentionLayer里加一个return_weight开关，训练时设False，诊断时设True，用同样结构重新实例化模型，再加载训练好的权重。下面的代码演示了诊断流程。

# 构建诊断用模型，输出预测值和注意力权重两个结果 att_model = build_model(window_len, K) # 实际需要在build_model里传入return_weight=True att_model.load_weights('best_model.weights.h5') # 改一下build_model，把AttentionLayer(return_weight=True)传入 # att_model的输出变成 [预测值, 注意力权重] y_pred, (context, att_w) = att_model.predict(X_val[:8]) att_w = att_w.reshape(8, window_len) # 每个样本96个时间步的权重

把热力图和真实负荷曲线叠在一起看，两个现象值得关注。第一，模型大概率会在预测早高峰时把高权重放在昨天同一时刻附近，这是日周期规律的机制化体现，说明打分的注意力机制学习到了负荷序列的周期性；第二，如果热力图几乎均匀分布，没有明显聚焦位置，说明Attention没学到有用的对齐关系，模型退化成了BiLSTM取平均池化，精度天花板会低一截。

诊断出第二种问题时，调整方向不是调学习率，而是把window_len调成日周期的整倍数，让模型有机会看到完整的周期起点；或者把注意力打分函数从点积改成加性，提高打分区分度。如果热力图稀疏聚焦正常，说明机制对了，剩下的调参才有意义。

还有两个提升稳定性的习惯。第一，每次训练固定随机种子，同一个测试集上多次运行的MAE在±2%范围内浮动是正常的，单次结果不能代表模型真实水平，取3次的均值再报数。第二，保存验证集表现最好的checkpoint，用restore_best_weights=True或手动load，这比反复调epoch数更务实。

踩过的坑多了以后，我现在的固定流程是：先跑一轮带早停的baseline，再花十分钟看注意力热力图，最后才开始调参。顺序不要反——先确认机制学对了，再谈精度提升，否则参数调得再细也经不起换季的数据分布漂移。希望这篇笔记能帮你在自己的负荷数据上把VMD-CNN-BiLSTM-Attention跑通，并且跑得踏实。

本文还有配套的精品资源，点击获取