一种用于日前经济调度的端到端多任务负荷预测方法

本发明公开了一种用于日前经济调度的端到端多任务负荷预测方法，包括以下步骤：S1.求解经济调度问题，然后后建神经网络训练输入‑输出关系，得到学习‑优化模型，并作为预训练模型保存；S2.基于序列到序列算法设计双编码器‑单解码器的深度学习结构，通过两个编码器分别学习时序数据中的依赖与特征，并将信息融合到解码器中进行统一解码；S3.基于学习‑优化模型和的编码器‑解码器结构，设计并行的载荷预测框架。本发明通过结合多任务学习与端到端学习技术，显著提高了预测精度与调度效率。该方案将负荷预测与经济调度任务在同一框架中进行统一优化，从而实现更高效、更经济的电力调度策略。