基于时序自编码和聚类算法的可调节负荷预测方法及系统

基于时序自编码和聚类算法的可调节负荷预测方法及系统，通过聚类得到辅助测试数据集和测试数据集；基于稀疏注意力机制和LSTM模型构建编码层，基于Informer模型构建解码层，编码层中，从辅助测试数据集中提取全局时序特征、从测试数据集中提取局部时序特征，抑制全局时序特征和局部时序特征的波动，根据全局时序特征和局部时序特征确定自适应融合权重；解码层中，对波动抑制后的全局时序特征和局部时序特征进行特征学习，得到全局时序特征和局部时序特征的变化特征；以编码层和解码层的输出数据的加权和，作为可调节负荷预测值。克服时间序列中的变长、变速、噪声和局部变化的问题，提高了模型对负荷时序数据的趋势表征精度。