一种基于数据驱动的地县负荷自适应预测方法

本发明公开了一种基于数据驱动的地县负荷自适应预测方法，包括：获取目标区域的负荷数据和气象数据；根据数据特征筛选其中的强相关性数据并划分训练集和验证集，建立patchtst预测模型进行初步训练；通过粒子群算法确定最优预测模型的超参数，确定粒子分布的离散度和平均粒子距离，保留当前粒子群的最优位置作为最优参数；通过平均绝对百分比误差和作为模型评估指标进行预测评估；利用改进的粒子群算法对patchtst预测模型进行自适应调优，以此提高模型的预测精度和泛化能力；通过数据驱动和模型优化，实现了对负荷变化的自适应预测；模型可以持续学习并调整参数，以适应负荷模式的变化，保持预测的准确性。