一种基于神经网络的多特征短期电力负荷预测系统

本发明涉及电力预测技术领域，具体公开了一种基于神经网络的多特征短期电力负荷预测系统，本发明通过获取并进行多源异构数据的接入、预处理和存储，根据多源异构数据构造多源时序序列，根据多源时序序列捕捉特征变化的高峰点，基于高峰点构造高峰集合，基于变化率曲线动态识别高峰点，对系统运行或外部环境的突增波动具有更高的响应灵敏度，对特征变化的高峰点进行聚类识别典型值，既滤除孤立噪声或异常点，又将输入维度从海量高峰点降至固定的九个指标，极大提升模型训练和推理效率，利用识别典型值搭建神经网络模型进行异常模式识别，辅助异常检测，更准确地捕捉多源特征与电力负荷波动间的复杂耦合关系，显著提高短期预测精度。