基于深度学习模型的多因子电力负荷预测方法及系统

本发明涉及基于深度学习模型的多因子电力负荷预测方法及系统，首先采集历史电力负荷数据及其影响因素数据并进行数据预处理，得到原始数据集；其中，影响因素数据包括时间因素数据和气象因素数据；接着基于原始数据集分别计算时间因素数据、气象因素数据与历史电力负荷数据的皮尔逊相关系数；之后去除皮尔逊相关系数低于预设阈值的数据，得到时间特征数据、气象特征数据和历史电力负荷特征数据构成的目标数据集；接着将目标数据集划分为训练集和测试集，对Bi‑LSTM模型进行训练，得到目标预测模型；基于目标预测模型对待预测影响因素数据进行电力负荷预测。本发明结合深度学习、强化学习和时间序列分析的优势，有效提高电力负荷预测的精度和鲁棒性。