基于改进Informer模型的长时间序列电力负荷预测方法

本申请提供的基于改进Informer模型的长时间序列电力负荷预测方法，具体涉及电力负荷预测技术领域，该方法通过特征嵌入层和SSI模型，对气象特征、标量信息、位置信息、时间信息和趋势信息分别进行特征编码和嵌入，为模型提供更加丰富的输入特征表示，并采用对键值矩阵进行稀疏性评估的方法，对概率稀疏注意力进行二次稀疏，将注意力机制的时间复杂度从O(LlnL)降低至O((lnL)2)，最终通过解码器和编码器输出最终的预测值；该方法解决了原Informer模型应用于电力负荷预测时存在特征丰富度不足和概率稀疏注意力模块仍存在稀疏性不足的问题，从而达到提高长时间序列电力负荷预测的精度和效率的效果。