一种基于关系增强监督学习的电力负荷预测方法

本发明属于电力预测技术领域，具体涉及一种基于关系增强监督学习的电力负荷预测方法，包括以下步骤，从电力系统监测站获取电力负荷相关历史数据，并对数据进行预处理，对企业间的相关性进行分析，从而建立企业相关图，建立神经网络模型GL‑STGNN对神经网络模型GL‑STGNN进行训练，预测的未来设定时间段内电力负荷的数据克服了现有技术的不足，既融合了全局GRU模型提取到的频域、时域多维度全局时序特征，又通过结点嵌入模块，引入节点的局部模型，利用拼接完成全局‑局部的特征融合，因此充分考虑全局特征和局部效应，进而最大化捕捉相关特征，使模型具备精确预测的能力。