一种基于数据中心电气系统负荷预测方法及系统

本发明公开了一种基于数据中心电气系统负荷预测的方法，该方法通过数据采集模块获取各子系统电气参数、环境参数及历史运行数据，并对采集数据进行归一化及时序重构，形成标准化时序数据。利用包含卷积神经网络(CNN)、改进长短时记忆网络(LSTM)及注意力机制的组合神经网络模型，提取局部波动、突变、频率及统计特征，实现对数据长期依赖性及关键时序信息的捕捉，从而输出电气负荷预测值，最终实现对数据中心电气系统的实时调控。本发明能有效提高预测精度和响应速度，为数据中心全生命周期管理提供可靠技术支持。