基于物理信息神经网络的环网柜集群电力负荷预测方法、系统、设备及存储介质

本发明公开了一种基于物理信息神经网络的环网柜集群电力负荷预测方法、系统、设备及存储介质。本发明将环网柜集群从普通负荷序列建模对象扩展为具有电气拓扑、开关状态和运行约束的物理图，提高了负荷预测对环网柜运行结构变化的适应性。本发明通过可微物理残差将环网柜集群的功率平衡、开关状态、电压降、容量越限、三相不平衡和负荷爬坡约束引入神经网络训练，使预测结果更符合配电网运行规律。本发明还执行投影修正，提升预测结果在运行监测、负荷转供和风险预警中的可用性。综上，本发明能够提升环网柜集群在拓扑切换、负荷转供、光伏波动和量测缺失场景下的负荷预测精度与可信性。