一种应用于流程工业电力交易的用户负荷预测方法

本发明公开了一种应用于流程工业电力交易的用户负荷预测方法，涉及电力负荷预测技术领域，解决了现有负荷预测技术对于受电容量小、缺乏周期性规律、波动性大的大工业企业，预测难度高的技术问题；包括：采集不同时间尺度的静态周期特征、动态特征、历史相似日特征、关联气象特征、波动性特征以及不同时段编码特征等，然后对多重特征进行转换与组合，得到多重时序特征组合数据；联合多重时序特征组合数据建模，采用集成学习框架和多模型融合策略，对区域调度负荷预测输出，预测精度高；同时在预测终端运算过程中，对各个运算节点的算力占用情况进行监测分析，有序开展动态算力扩充或缩减，达到资源最充分利用的目的，提高数据处理效率。