一种基于深度学习的短期负荷预测方法及系统

本发明公开了一种基于深度学习的短期负荷预测方法及系统，该方法包括：获取目标电力系统的历史负荷数据以构成初始负荷数据集，并对初始负荷数据集进行预处理，得到目标负荷数据集；对目标负荷数据集进行聚类，得到多个具有不同用电特征的负荷数据子集；对负荷数据子集进行位置编码，并将位置编码后的负荷数据子集通过多头自注意力机制进行特征提取，得到第一输出特征；将第一输出特征通过通道注意力机制进行频域变换，得到负荷频域特征；将负荷数据子集和负荷频域特征通过掩码交叉注意力机制进行特征恢复，并对得到的第二输出特征进行短期负荷预测，得到预测结果。本发明能够实现新型电力系统下的高精度短期负荷预测，极大提高预测效率。