一种基于深度学习的电力负荷预测方法

本发明公开了一种基于深度学习的电力负荷预测方法，涉及电力负荷预测技术领域，解决了现有技术对电力负荷进行预测的准确性和鲁棒性不高，同时还存在对输入序列进行特征提取的效率不高的技术问题；本发明通过采集电力负荷历史数据；对样本负荷数据集进行特征选择，得到新增特征数据集；基于深度学习模型、样本负荷数据集和新增特征数据集构建第一负荷预测模型；对第一负荷预测模型进行性能评估和模型优化，得到第二负荷预测模型。本发明通过在解码器模块中加入了注意力增强网络和全连接网络，注意力增强网络以及全连接网络能够有效地提取电力负荷数据中的时序特征与负荷预测值之间的非线性关系，有利于提高电力负荷预测模型的准确性和鲁棒性。