一种基于多任务学习的多元负荷预测方法及系统

本发明涉及一种基于多任务学习的多元负荷预测方法及系统，方法包括以下步骤：采集负荷历史数据、气象数据和日期数据并整合为综合数据，并对综合数据进行数据预处理得到多维输入张量；将多维输入张量输入预训练的负荷预测模型中进行联合预测，得到负荷预测结果，负荷预测模型为CNN‑GRU‑MTL深度学习模型，包括依次连接的输入层、CNN层、GRU层和输出层，CNN层和GRU层上设置有MTL硬共享框架，CNN层用于提取综合数据的局部时空特征，GRU层用于对局部时空特征进行时序建模，MTL硬共享框架用于实现CNN层和GRU层上的负荷数据特征共享，对多元负荷数据进行同时预测。与现有技术相比，本发明显著提升了对多种负荷进行预测的预测精度。