一种用于电力负荷预测的历史数据驱动方法及系统

本发明公开了一种用于电力负荷预测的历史数据驱动方法及系统，涉及负荷预测技术领域。本发明与之前的负荷预测模型相比，解决了普通的单一电力负荷预测模型难以适应不同的用电地区的不同时长的电力负荷预测需求的问题；通过历史数据驱动的方法，可以有效地进行区域或网格的短期和长期电力负荷预测，且短期负荷预测模型通过A3C算法进一步优化基于改进粒子群算法进行参数优化的LSTM网络，能够提高整体预测性能。为电力系统的运营和规划提供重要支持。短期负荷预测模型基于改进蒙特卡罗模拟方法进一步调整为长期负荷预测模型，能够考虑多种可能的场景和不确定性因素，提高长期负荷预测的预测性能，为电力系统的高效运行和优化提供重要的数据支持。