基于ZOA-TEMPO的电力现货交易的负荷预测方法及装置

本发明公开了基于ZOA‑TEMPO的电力现货交易的负荷预测方法，基于TEMPO架构将大语言模型引入电力负荷领域，通过分解的方式充分考虑了季节性波动、长期趋势和残差等复杂因素的影响。同时，引入提示池，以获取到外部因素对电力负荷的影响。此外，采用斑马优化算法实现对TEMPO的超参数进行自动优化，形成了ZOA‑TEMPO架构的模型。为避免异常数据对预测精度的影响，本发明采用ARIMA进行异常值检测，并采用滚动窗口方法划分训练集和测试集。与现有技术相比，本发明可以实现超参数的自动优化与快速寻优，获取最佳的预训练模型。通过提示池获取外部现实因素对电力负荷的影响，使预测更贴近实际情况，提高了预测的准确性。