基于时序特性的负荷预测方法、系统、设备及介质

本发明公开了一种基于时序特性的负荷预测方法、系统、设备及介质，所述负荷预测方法利用LSTM与Attention机制，构建时序残差神经网络，能够精准捕捉负荷数据在不同场景下的时序变化规律，解决了XGBoost模型对时序特征捕捉较弱的缺陷，缓解了传统LSTM时序神经网络对多场景下负荷变化拟合的滞后性本发明还引入了基于样本时序的加权损失函数，增加模型对近期样本的关注度，提高了负荷预测准确率，有效解决了新能源发电影响和气象因素耦合对负荷变化预测的挑战，同时减少了对额外特征变量的需求，降低了模型训练和预测过程中的计算消耗，更好地适应负荷的时序规律变化和相关要素的耦合性，提高了负荷预测准确率。