基于迁移增量学习的电力系统时序预测方法和系统

本发明公开了一种基于迁移增量学习的电力系统时序预测方法和系统，涉及电力系统时序预测技术领域，包括：构建目标电力系统的特征画像，计算目标电力系统的特征画像与预设特征库中的多个电力系统的特征画像的特征相似度，基于特征相似度获取相似历史数据集，将相似历史数据集与初始历史数据集进行特征迁移与融合，得到融合之后的数据集；基于融合之后的数据集训练轻量化TCN网络，得到初始阶段预测模型，对目标电力系统的初始阶段进行时序预测；在目标电力系统的增量历史数据量超过预设切换阈值后，将初始阶段预测模型切换为基于iTransformer结构的时序预测模型。本发明缓解了现有技术存在的预测模型精度不足和计算资源消耗大的技术问题。