基于MTL-LSTM-Attention的用户多元负荷短期预测方法和系统

本发明为基于MTL‑LSTM‑Attention的用户多元负荷短期预测方法和系统，获取历史多元负荷数据，进行归一化处理，利用归一化处理后的历史多元负荷数据，构建多元负荷数据集；构建MTL‑LSTM‑Attention预测模型，包括输入层、多任务学习共享层、ICPSO‑LSTM层、注意力机制Attention层和输出层；其中，ICPSO‑LSTM层基于改进粒子群算法ICPSO算法和长短期记忆LSTM模型构建，将预设性能指标作为适应度代入ICPSO算法，利用ICPSO算法对LSTM模型进行超参数优化，获得最优超参数组；利用最优超参数组训练LSTM模型，得到最终的ICPSO‑LSTM层；将多元负荷数据集输入MTL‑LSTM‑Attention预测模型进行迭代训练，获得训练完成的MTL‑LSTM‑Attention预测模型，获得待预测时段内的多元负荷数据对应预测值；本发明强化了对关键信息的捕捉能力，提高了短期负荷预测的准确性。