一种统调负荷进行任意时间尺度的机器学习预测方法及系统

本发明提供一种统调负荷进行任意时间尺度的机器学习预测方法及系统，涉及电力交易领域，包括：获取历史负荷、气象及经济数据，构建特征库，并筛选关键特征并进行预处理，以得到预处理后的数据；构建量纲分离模型并进行训练优化，以得到决策树模型；计算各特征SHAP值，对全局特征贡献度进行分析，以得到分析结果；进行相似日匹配与纲量融合，得到融合后的负荷预测结果；进行多时间尺度分层预测，生成任意尺度负荷曲线；通过实际数据回测验证预测偏差，监控数据并触发增量学习，形成闭环优化。本发明用以解决中长期和现货交易中边界条件分析的精确度要求。