一种基于深度学习的配电室负载预测方法

本发明公开了一种基于深度学习的配电室负载预测方法，包括如下步骤：S1、采集配电室的结构化时序数据和非结构化信息；S2、将结构化时序数据输入至卷积神经网络中，提取时间序列特征向量；S3、将非结构化信息分别输入至卷积网络和处理单元，提取辅助特征向量；S4、对时间序列特征向量与辅助特征向量进行拼接，构建多模态特征表达向量；S5、将多模态特征表达向量输入至动态时空注意力机制模型中，获得时空建模结果；S6、将时空建模结果输入至变分自编码器模型，输出重构特征；S7、将所述重构特征输入至预测层，生成负载预测值；S8、构建负载预测模型。本发明融合变分自编码器与分布式协同训练，实现配电室负载的高精度动态预测与数据隐私保护。