基于LSTM-XGBoost神经网络的多因素负荷预测方法及装置

本发明提出了一种基于LSTM‑XGBoost神经网络的多因素负荷预测方法及装置，包括：采集源数据，经预处理后，生成基于历史负荷数据和历史外在因素数据的待分析数据；将待分析数据根据数据类型生成多个第一输入数据集，根据构建的双层LSTM模型提取每个输入数据集中的长期依赖关系；基于长期依赖关系和所述历史负荷数据生成第二输入数据集，根据构建的XGBoost模型对第二输入数据集进行拟合、预测，生成基于LSTM‑XGBoost组合模型的多因素负荷预测值。本发明先使用LSTM神经网络提取历史数据的长期依赖关系，再使用XGBoost模型进行拟合，并完成最终的预测，从而提高了负荷预测的准确率。