一种基于WGAN增强数据后的CNN-Bitransformer电力负荷预测方法

本发明属于电力系统负荷预测技术领域，尤其涉及一种基于WGAN增强数据后的CNN‑Bitransformer电力负荷预测方法。对电力负荷时间序列采用对抗网络进行数据增强；提取数据增强后电力负荷时间序列的特征图；利用双向Transformer建模前向和后向的时间依赖性从特征图中提取长期时间特征；采用双向长短时记忆网络学习长期时间特征的深层特征；返回至回归层生成最终的负荷预测结果。本方法能够有效提高在数据相对较少情况下的电力负荷预测精度和稳定性，同时增强模型的抗噪能力和对复杂负荷模式的适应性。