基于多源异构数据特征融合的电力负荷预测方法、系统设备及介质

本发明公开了基于多源异构数据特征融合的电力负荷预测方法、系统设备及介质，涉及电力系统负荷预测技术领域，包括获取电力负荷预测数据集进行预处理；基于多层感知机、图卷积网络、门控循环单元网络分别对静态数据、图数据和时序数据进行输入特征处理，基于特征拼接的方法对处理后特征进行融合得到全面特征信息；基于全连接神经网络构建以综合特征为输入，将训练集数据输入模型并根据模型效果进行迭代优化调整模型参数和超参数；基于参数优化调整模型，使用评估的最优模型对未来时间段的电力负荷进行预测。本发明所述方法在精度和稳定性上均优于传统方法，能够更好地适应复杂多变的负荷预测场景，具有广阔的应用前景和显著的实际价值。