一种基于跨界异构大数据的配网负荷预测方法及系统

本发明公开了一种基于跨界异构大数据的配网负荷预测方法及系统，涉及配网负荷预测技术领域，包括：获取目标配电台区的跨界异构大数据，并通过对跨界异构大数据进行特征提取，形成初始特征集；利用预训练的卷积神经网络模型进行迁移学习，对初始特征集进行深度特征提取，得到深度特征集，并通过自适应权重寻优粒子优化算法选择初始特征集与深度特征集的最优特征子集；构建混合预测模型，对最优特征子集进行配网负荷预测。本发明通过采集跨界异构大数据和多种算法，实现了更高效的特征提取和选择，并通过混合预测模型提高了配网负荷预测的精度和稳定性，显著增强了预测结果的可解释性和实际应用价值，有助于电力系统的智能化管理和优化。