一种基于深度学习的面向多时间尺度的负荷预测方法

本发明适用于负荷预测技术领域，提供了一种基于深度学习的面向多时间尺度的负荷预测方法，其方法包括：获取历史电力负荷数据的多尺度特征编码字段，字段包括时间尺度标识符和动态复杂度参数；若时间尺度标识符对应时间尺度和动态复杂度参数满足的阈值范围，选择多模态时空融合模型、轻量化时序分解模型或时空、频谱联合模型或集成模型进行负荷预测；计算各个预测结果与真实值的误差；通过误差调整多模态时空融合模型、轻量化时序分解模型、时空与频谱联合模型或加权融合策略的权重参数。通过多尺度编码、动态复杂度驱动模型选择与自适应融合，有效提高复杂电力场景下的预测稳定性。