基于云模型改进Transformer的电力负荷预测方法

本发明公开了基于云模型改进Transformer的电力负荷预测方法，属于电力负荷预测技术领域，本申请的双路径CMIT模型通过引入云模型，将负荷数据的不确定性量化为模糊隶属度、熵和超熵等特性，增强了输入数据对噪声的抗干扰能力，通过结合自注意力机制的改进Transformer模型结构，动态捕捉不同变量之间的复杂非线性关系，实现对多维负荷数据的高效建模，通过云模型生成模糊描述特征，提供了具有随机性和模糊性的输入，使模型在数据分布变化或存在外部干扰时，仍能保持较高预测精度，通过云模型预处理和Transformer模型结构的序列建模相结合，不仅能够适应不同场景下的负荷数据特性，还能灵活捕捉负荷数据的周期性、随机性和趋势变化。