一种基于自适应多尺度超图神经网络的电力负载预测方法

本发明公开了一种基于自适应多尺度超图神经网络的电力负载预测方法，包括以下步骤：基于电力负载数据得到不同时间尺度的子序列并生成初始化节点特征、初始化超边特征和点边关联矩阵，执行节点约束和超边约束；通过超图卷积注意力机制建模细粒度特征间的高阶交互得到更新后的节点特征，并通过注意力机制建模粗粒度特征间的高阶交互得到更新后的超边特征；融合更新后的节点特征和超边特征进行电力负载预测并进行模型训练和应用。本发明方法能够自适应地建模多尺度特征间的高阶交互并区分每个尺度内固有的时序变化，提高了电力负载预测的准确性，在电力系统运营、能源规划和能源效率管理等领域都具有广阔的应用前景。