基于高频增强去噪扩散模型的短期净负荷概率预测方法

本发明公开了基于高频增强去噪扩散模型的短期净负荷概率预测方法，涉及电力负荷预测技术领域。本发明包括：接收配电网历史净负荷数据和多维气象采集数据，通过XGBoost算法和MIC最大信息系数进行条件特征的筛选，并基于筛选得到的条件特征构建条件特征集；基于历史负荷数据和扩散模型前向扩散过程，形成噪声化的净负荷数据；构建高频增强去噪扩散模型，利用条件特征集与噪声化的净负荷数据对高频增强去噪扩散模型进行训练。本发明通过对高频信号的自适应增强和对多尺度特征的有效提取，能够提升对复杂负荷波动模式的精准刻画能力与预测结果的稳定性，为配网计划生产、运行调度提供更加可靠的决策依据。