一种基于多目标Transformer-LSTM优化的能源物联网负荷预测方法

本发明公开一种基于多目标Transformer‑LSTM优化的能源物联网负荷预测方法。从能源物联网历史数据库中采集历史电力负荷数据，并进行特征重构，经过数据归一化后作为电力负荷预测离线优化模块的输入数据集，分别将模型训练的预测平均绝对百分比误差和模型参数数量作为优化目标，设计基于多目标优化的Transformer‑LSTM优化模块，获得兼顾预测性能和模型复杂度的最优模型，将该模型在线部署到能源物联网实时电力负荷预测系统中进行负荷预测。本发明不仅可实现用于能源物联网电力负荷预测系统的Transformer‑LSTM自动生成和优化设计，还兼顾了负荷预测精度与模型轻量化等指标，为能源物联网的实时负荷预测提供了高效解决方案。