基于动态分解与特征学习的电力负荷时间序列预测方法

本发明公开了基于动态分解与特征学习的电力负荷时间序列预测方法，涉及电力负荷预测领域。该方法的核心思路为：采集一定时间范围的电力负荷数据，并对原始电力负荷时间序列进行预处理；为充分挖掘电力负荷时间序列中的变化模式，引入滑动分解方法对预处理后的时间序列进行分解，提取其局部特征；考虑到分解得到的子序列中存在冗余信息，进一步引入特征提取机制对其进行压缩与筛选，保留关键特征用于构建电力负荷时间序列预测模型，实现对未来电力负荷的准确预测。该方法提升了电力负荷时间序列关键特征的表达能力，实现了电力负荷时间序列从分解到预测的一体化流程，有效降低了模型复杂度，抑制噪声干扰，提升电力负荷时间序列预测的精度与效率。