基于LoRA与GPT模型的电力负荷预测方法及设备

本发明提供了一种基于LoRA与GPT模型的电力负荷预测方法及设备，包括如下步骤：步骤一、将原始的电网负荷时间序列数据转化为模型可训练的样本格式；步骤二、配置模型架构，以GPT模型作为骨干网络；步骤三、配置参数微调策略，参数微调策略包括部分解冻策略和低秩适配策略；步骤四、训练及优化模型；步骤五、实施预测，将归一化后的输入序列输入至所述训练好的预测模型；获取模型输出的未来指定时段的负荷预测结果。本发明采用在大规模语料上预训练的Transformer时序基础模型作为骨干网络，引入局部解冻机制与低秩自适应技术构建参数高效微调策略，本发明提升了负荷预测精度，促进了配电网对分布式光伏发电的消纳能力。