一种基于相似日筛选的负荷预测方法及系统

本发明涉及一种基于相似日筛选的负荷预测方法及系统，该方法包括以下步骤：通过获取实时的负荷数据(包括温度、气压和湿度)与历史的负荷数据，并将它们拼接成训练数据集进行归一化处理。之后，使用归一化后的数据训练BP神经网络，得到第一和第二预测序列，并计算其平均变化影响值以减少数据维度。接着，通过确定实时与历史的相似日来过滤非相似日数据，形成特征集。进一步，对特征集进行数据分解，划分高频和低频分量。高频分量用于训练CNN‑BiLSTM模型，低频分量则用于训练informer模型，两者预测结果融合得出最终负荷预测。本发明有效减少非相似日数据的影响，促使模型更加聚焦于相关性高的相似历史数据，从而提高预测准确性。