基于多站点时空特征与动态优化的光功率预测方法及系统

本发明公开了基于多站点时空特征与动态优化的光功率预测方法，包括以下步骤：采集多个监测站点的数据并使用选择‑删除特征选择方法进行特征选择；采用多站点数据加权融合策略进行加权融合；构建区间预测模型，将经过特征选择及加权融和的数据输入STG‑Mamba‑神经网络模型后再对输出进行LUBE区间的预测，得到光功率的上下边界；引入改进的加权平均优化算法，结合随机扰动和边界约束策略，优化区间预测模型；采用交叉验证方法对优化区间预测模型进行评估，得到最优区间预测模型后对多站点光功率预测。本发明能够在多变的环境中保持稳定的预测性能，从而提高了光功率预测的可靠性和稳定性。