一种基于深度学习的产业链用电负荷敏感因素提取方法

本发明公开了一种基于深度学习的产业链用电负荷敏感因素提取方法包括，获取历史电价、气象数据、行业分类及用电量数据，并对数据进行预处理；根据预处理后的数据构建图神经网络；基于构建的图神经网络进行模型训练；进行分层归因与敏感性分析；结果分析与应用。本方法通过构建图神经网络模型分析不同行业之间的负荷关系，并利用自监督学习与分层归因技术提高对负荷敏感性分析的精确度，特别是在快速波动的市场环境下，自动提取并量化经济、气象等外部因素对产业链用电负荷的影响程度，提高用电负荷预测的精准性和敏感性。