一种基于周期增强型TimesNet的自适应日前负荷预测方法

本发明公开了一种基于周期增强型TimesNet的自适应日前负荷预测方法，属于电力负荷预测领域，该方法采用基于周期增强型的TimesNet网络作为编码器，能够捕捉负荷的多周期性，通过人为增强日和周的波动特征，得到更符合电力系统特点的预测模型；引入神经网络作为自适应模块，利用最新的预测负荷值和真实负荷值调整编码特征，能够识别负荷的波动模式，从而增强概念漂移下深度学习模型的泛化能力，有效改善了预测自适应效果。综上，本发明提供的方法增强了负荷序列的周期模式表示，并且利用近期的预测和真实负荷引导模型适应负荷模式的变化，实现概念漂移下对负荷趋势和波动的跟踪，提升了预测的准确性。