一种基于改进BiGRU-CNN-Attention的季节性负荷预测算法

本发明涉及电力系统负荷预测技术领域，公开了一种基于改进BiGRU‑CNN‑Attention的季节性负荷预测算法，包括：获取农村配电网历史负荷数据进行数据预处理；将农村配电网历史负荷数据融合多源数据得到综合数据集，利用近邻成分分析筛选高相关性特征；将综合数据集中的数据绘制为负荷曲线图，并转换为灰度图像；将负荷数据分解为IMF分量及残差，得到季节分量和趋势分量；构建BiGRU‑CNN‑Attention混合模型；采用WSO‑RIME算法同步优化模型的网络参数与分解参数，并引入增量学习机制定期微调模型参数；通过训练完成的混合模型进行预测得到季节性负荷预测结果。本发明融合时间序列分解、深度学习模型优化及多模态数据特征提取技术，适用于含电动汽车、空调等新型负荷的农村配电网短期负荷预测。