一种结合天气参数的短期电力负荷预测方法

本发明公开了一种结合天气参数的短期电力负荷预测方法，包括：获取电力负荷数据及对应时间的天气参数；对数据进行预处理；使用EEMD方法将电力负荷数据分解为高频非线性分量和低频线性分量；结合天气参数，训练引入注意力机制的基于多尺度特征提取的CNN‑LSTM模型，输出高频非线性分量预测值；针对低频线性分量，采用时间序列模型SARIMA，输出低频线性分量预测值；将高频非线性分量预测值与低频线性分量预测值相加，得到完整的负荷预测结果，进行误差分析，对模型进行迭代优化。本发明通过引入天气数据，通过序列分解提取高频非线性分量，并利用天气参数作为输入构建深度学习预测模型，提升复杂负荷波动的预测能力和短期负荷预测的精度与可靠性。