基于GLA-UNet模型结构的电负荷预测方法及系统

本发明公开了基于GLA‑UNet模型结构的电负荷预测方法及系统，涉及电力负荷预测技术领域，其技术方案要点是：将单变量或多变量数据通过线性映射层投影至高维特征空间，生成嵌入向量序列；对嵌入向量进行多级下采样，每级包含平均池化层和GLA注意力单元，输出不同时间粒度的编码特征；对最深层的编码特征逐级上采样，每级融合对应层级的编码特征并通过GLA注意力单元优化，输出与输入同分辨率的重建序列；通过两个线性层分别调整重建序列的时间长度和特征维度，生成电力负荷预测值。本发明能够有效地捕捉时间序列数据中的多层次特征，在稀疏日级电力负荷预测中实现了精度、鲁棒性与实用性的平衡，特别是周期性和季节性模式。