基于多模态贝叶斯优化的短期电力负荷动态预测方法

本发明涉及电力系统负荷预测技术领域，具体涉及一种多模态贝叶斯优化的短期电力负荷动态预测方法，具体步骤包括：采集多源数据，并对数据进行预处理；利用Neuralprophet模型分解负荷趋势、季节、特殊事件等分量模块；构建CNN‑LSTM模型提取气象‑负荷空间特征并建模时序依赖；基于信念函数理论BFT框架融合多模型预测结果；结合贝叶斯优化动态调整融合权重及质量区间参数，最小化预测误差。该方法通过融合深度时空特征建模、概率分解框架及动态参数优化，实现了高精度、高鲁棒性的负荷预测。本发明适用于微电网、配电网及综合能源系统的实时调度与优化管理，有助于电力公司优化资源配置、降低成本、提高供电可靠性。