一种基于机器学习的可调节用电负荷特性分析与预测方法及系统

本发明公开了一种基于机器学习的可调节用电负荷特性分析与预测方法及系统，涉及负荷预测技术领域。包括：获取用户历史用电信息，构建输入数据集；基于输入数据集，采用基于密度的空间聚类算法对负荷曲线进行对比，将无需求响应的负荷曲线与需求响应的负荷曲线的偏差作为可调节量；建立基于LSTM‑Transformer混合架构的可调负荷预测模型，经过若干次训练后，得到训练好的可调负荷预测模型；基于训练好的可调负荷预测模型，对时间序列预测任务进行处理。本发明实现对负荷的精准预测，与常规LSTM算法相比，平均绝对误差从8.344％降至1.926％，均方根误差从10.258％降至3.214％。