基于Diffusion-Transformer-AR模型的工业园区短期负荷预测方法及系统

本发明涉及电力短期负荷预测技术领域，特别是基于Diffusion‑Transformer‑AR模型的工业园区短期负荷预测方法及系统。获取工业园区非平稳历史负荷数据和气象数据，对数据进行缺失值处理；利用最大信息系数对数据进行相关性分析，选出相关性较强的气象数据，并对时间数据进行再处理；利用季节性趋势分解法对负荷数据进行时间序列分解，得到趋势项、季节项和残差项特征；构建扩散Transformer预测模型，将残差项、气象数据和时间数据作为输入预测残差；构建自回归预测模型将趋势项作为输入预测趋势；将残差预测结果、趋势预测结果和季节项叠加得到最终负荷预测结果该方法通过结合多种模型优势，深入挖掘时序特征有效提高了预测精度和模型泛化能力，适用于复杂的工业园区负荷预测场景。