一种基于分数阶微积分控制与图神经网络融合的电力负荷预测方法

本发明公开了一种基于分数阶微积分控制与图神经网络融合的电力负荷预测方法，包括：基于历史负荷数据与多源因素数据，通过长短期记忆网络提取时间序列初步趋势特征向量；并根据若区域作用强度超过预设阈值，则融合突发需求信息，确定增强趋势向量；结合卷积神经网络得到优化趋势表示数据，通过注意力机制融合多源因素的权重分布，构建到加权趋势模型；融合回溯调整参数和数据质量过滤，根据最终预测模型输出的稳定负荷预测结果，生成多区域间的协调映射和综合电力负荷优化方案。本发明融合了多维特征与动态迭代更新机制，形成动态自适应系统，显著提升了在多元复杂因素影响下的负荷预测的精准性与供电稳定性，实现了对电力资源的优化配置。