一种基于深度学习的电力负荷预测方法

本发明涉及电力负荷预测领域，尤其涉及一种基于深度学习的电力负荷预测方法。包括：收集并预处理历史电力负荷数据，得到电力负荷数据，进一步构建时序能量熵网络，计算能量值，根据能量值计算能量熵序列矩阵，并从中提取能量熵特征；融合能量熵特征，生成综合特征向量；对时序能量熵网络的权重矩阵和偏置项进行动态调整，并预测电力负荷；评估预测结果，并对时序能量熵网络进行优化，使用优化后的时序能量熵网络进行电力负荷预测，生成预测结果的分析报告。解决了当前的深度学习模型对电力负荷数据的复杂变化反应迟缓，在处理不同时间尺度上的波动时，结果缺乏准确性；在电力负荷数据出现非正常波动或剧烈变化时，预测精度大幅下降的问题。