基于自编码及多模型融合的66kV主变负荷预测方法

本发明提供一种基于自编码及多模型融合的66kV主变负荷预测方法，涉及负荷预测技术领域。首先利用肘部法则自适应确定最佳簇数，对负荷数据进行合理分组。通过构建基于数据相关性的自编码网络，对每个簇内的数据进行压缩与特征重构。提出了一种融合BiLSTM、Informer和改进STSGCN模型的负荷预测方法。BiLSTM用于捕捉数据的局部时序特征，Informer处理长序列数据以挖掘数据中的长期依赖关系和全局信息，改进的STSGCN模块则用于捕捉数据的局部时空相关性。将这三种模型的输出特征进行拼接，并通过门控单元自适应调整各个模块的贡献从而进行特征融合，最终通过全连接层进行输出的预测。