北京京杭天丽科技有限公司

基于深度学习的短期电力负荷预测系统，包括，对各个边缘节点上传的本地多源数据进行分类滑动窗口设定和完整性检测，对完整数据进行历史同期偏差检测、跨源数据交叉验证或结合实时趋势校验结果进行联动判定，将标记为不准确数据的完整数据剔除；对完整数据进行二维编码处理和时间距离因素嵌入，生成增强日期特征组合，基于增强日期特征组合进行多尺度日期特征交互分析，输出场景化时刻基准；对完整数据中的负荷数据和驱动因素对应的数值时序序列进行交叉滞后效应特征提取，获取驱动滞后特征序列，基于场景化时刻基准和驱动滞后特征序列获取下一负荷预测时间尺度内的负荷预测值。本发明精准捕捉负荷规律与驱动关系，显著提升预测精度与鲁棒性。