基于深度学习的电力保供趋势预测方法

本发明公开了一种基于深度学习的电力保供趋势预测方法，方法包括：收集历史电力负荷时序数据，进行时序数据重构与预处理；基于训练后的CNN模型对处理后的时序数据进行深度特征提取；基于提取的深度特征，利用训练后的深度森林进行多粒度决策，获取电力负荷预测。本发明结合蒙特卡罗算法与深度学习方法，模拟电力负荷多种变化情景，实现对预测结果不确定性的量化评估，能提供预测均值、方差及置信区间，能更好地应对电力负荷受天气、节假日、突发事件等因素影响产生的随机波动，为电力系统调度决策提供更全面参考依据。