一种基于深度学习和数据驱动的电力负荷预测方法

本发明涉及电力系统短期负荷预测领域，针对传统预测方法难以充分捕捉高维历史数据与外部环境因素中复杂非线性关系的问题，提出一种基于深度学习和数据驱动的电力负荷预测方法。该方法采用特征加权机制，对历史特征和未来特征自动赋权，提高数据表达能力；同时，通过扩张卷积编码器实现分块处理，扩大感受野以捕捉长时依赖关系；再利用多层注意力机制优化相似日选择，计算上下文向量辅助双向门控循环单元进行动态解码。整套技术方案实现了历史信息与未来数据的高效融合和动态特征调整，提升了预测精度和模型稳定性。该发明主要应用于电力系统调度管理和智能化运行，为提高电网安全、稳定和运行提供技术支撑。