融合标准互信息与改进双向LSTM的行业负荷预测方法、系统及设备

本发明公开了一种融合标准互信息与改进双向LSTM的行业负荷预测方法、系统及设备，涉及电力系统技术领域。目前，行业月度负荷预测不准确。本发明包括步骤：采用计及核密度估计的改进模糊C均值聚类算法，对包括负荷序列和消费水平、气温、休假的信息进行聚类处理；基于聚类结果进行标准互信息计算，对信息因素与行业月度负荷之间的关联性进行定量分析；分配权重，构建双向LSTM神经网络捕捉行业负荷的时序变化规律，采用多头注意力机制分析外部特征影响，并通过卷积神经网络连接，输出行业月度负荷预测结果。本技术方案能有效计及外部影响因素对行业月度负荷的影响，提升行业月度负荷预测结果的准确度。