一种基于多尺度时空DCNN特征提取的短期负荷预测方法

本发明公开了一种基于多尺度时空DCNN特征提取的短期负荷预测方法，具体包括以下步骤：S1.获取并预处理电力系统历史负荷数据及相关影响因素数据；S2.对负荷数据进行相关性分析，确定负荷时间序列的最大相关时滞，进而确定最佳滑动时间窗口大小；S3.构建基于递归特征金字塔的主干网络，采用膨胀卷积作为特征提取网络，并结合双向门控循环单元进行时序特征建模，使用联合损失函数中计算损失进行反向传播，更新模型参数；S4.用训练好的模型预测未来短期内的负荷数据，通过相关评价指标评估模型预测的精确度。本发明通过ACF和PACF分析时间序列，科学设置滑动时间窗口。RFP‑DCNN‑BiGRU模型充分结合了DCNN和BiGRU在特征提取和时序数据建模上的能力，实现更精确的短期负荷预测。