基于LSTM-TimeGAN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‑TimeGAN神经网络的多因素负荷预测方法及装置，包括：采集待分析的负荷数据，经预处理后，生成格式统一的数值化数据；将所述数值化数据经归一化处理后划分训练集和测试集，使用训练集训练LSTM模型和TimeGAN模型，直到模型收敛；确定期望预测的时间点数量，使用测试集中的数据作为样本输入所述LSTM模型进入预测，得到第一预测值，将所述第一预测值输入所述TimeGAN模型后输出第二预测值；循环上述步骤，生成最终的预测结果。本发明的预测方法能够有效提升预测的稳定性和准确性。