融合迁移学习与峰荷自适应辨识的母线峰值负荷预测方法

本发明公开了一种融合迁移学习与峰荷自适应辨识的母线峰值负荷预测方法，构建了动态权重驱动的迁移学习框架，实现了多源母线知识向目标母线的精准迁移；引入基于负荷波动性与峰值占比的自适应阈值机制，动态识别峰值与常规负荷时段；设计强化峰值误差权重的定制化损失函数并用于模型微调，从而显著提升母线在关键时段的负荷预测精度。通过多源母线迁移学习显著提升了目标母线预测精度；自适应阈值识别机制实现了对负荷波动敏感的峰值时段动态判定，增强了模型对关键负荷时段的感知能力；上述技术手段协同作用，最终实现了在提高整体预测准确性的同时，显著改善峰值负荷的预测精度和稳定性，满足电网对负荷预测“高精度、强鲁棒”的实际需求。