基于跨域多尺度自注意力的长期电力负荷预测方法

本发明公开了一种基于多尺度频域状态空间模型的电力负荷预测方法，包括：1. 采集时间序列数据并进行预处理；2. 构建包含双路径快速傅里叶变换FFT和多尺度曼巴模块的预测网络，并通过频域分解提取周期性特征，结合多尺度架构处理全局与局部依赖关系，从而得到电力负荷预测结果；3. 利用损失函数训练模型至收敛，得到电力负荷预测模型。本发明解决了传统时域模型在电力负荷长序列预测中噪声干扰严重、特征提取效率低的问题，通过频域分析与多尺度建模提升了预测精度和计算效率，适用于高维、非平稳电力负荷时间序列的长期预测。