一种基于TimesNet-Crossformer-LSTM的短期电力负荷预测方法

本发明公开了一种基于TimesNet‑Crossformer‑LSTM的短期电力负荷预测方法，包括：1）对导入的数据集进行特征筛选，并对所选特征作归一化处理；2）划分训练集、验证集和测试集，将训练集和验证集输入模型进行训练；3）模型对输入的时间序列进行信息提取，提取到时间序列中周期内和周期间的关系；4）采用Adam算法来调整神经网络的参数，利用反向传播来训练网络，通过观察验证集上的损失值来评估模型参数的训练效果；5）根据消融实验结果，选取tanshark作为模型的激活函数；6）将测试集输入到训练好的模型当中，获得点预测的结果，并通过四个评价指标对模型预测效果进行评价。本发明方法相较现有方法在短期电力负荷预测任务中拥有更高的精度。