模型训练方法、电力系统负荷预测方法、装置及电子设备

本申请公开了一种模型训练方法及电力系统负荷预测方法，所述模型训练方法以循环神经网络作为策略模型的架构，通过GRPO算法迭代更新策略模型的模型参数，GRPO算法能提供更智能的特征选择和任务分配，使得策略模型自适应选择不同策略参与预测，提升模型的泛化能力和动态建模能力；然后利用模拟退火算法优化策略模型的超参数，例如网络层次、神经元数、学习率等，使得模型跳出局部最优，提高模型在多模态特征环境下的全局预测性能；本发明提出的训练方式结合GRPO算法、循环神经网络和模拟退火算法三者，能有效提高负荷预测的精度，增强模型对多源输入的适应能力，在数据非线性强、多尺度、多任务等电力系统场景下展现出更好的稳定性与可扩展性。