基于深度学习与多源数据融合的电网智能负荷预测方法

本发明涉及电网负荷预测技术领域，尤其涉及一种基于深度学习与多源数据融合的电网智能负荷预测方法，包括：基于各电网节点的节点特征生成若干关键数据集；确定各关键数据集对应的数据敏感度，并判定各关键数据集对应的电力干涉类别；分别对各电网节点进行数据监控，以确定各电网节点对应的电力波动风险指数；基于各电力波动风险指数确定若干异常电网节点，并基于各异常电网节点以及各关键数据集对应的数据敏感度确定若干异常关键数据集；构建强干涉预测模型以及弱干涉预测模型，以得到未来预设时间段内的目标预测负荷。本发明能够提高电网负荷预测准确性。