基于机器学习的园区可转移负荷预测方法及装置

本发明提供一种基于机器学习的园区可转移负荷预测方法及装置，该方法包括：将目标电力园区中每个设备在当前周期内的负荷数据输入第一神经网络模型，输出预测周期内对应的可转移负荷占比预测值；将目标电力园区在当前周期的总负荷和负荷影响因素输入第二神经网络模型，输出目标电力园区在预测周期的总负荷预测值；获取目标电力园区的相邻园区在最近N个周期的可转移负荷百分比矩阵；基于可转移负荷占比预测值、总负荷预测值和可转移负荷百分比矩阵，得到目标电力园区在预测周期内的可转移负荷数据。本申请综合利用负荷的时序变化特征、外部影响因素，同时借助相邻园区负荷数据补充可转移设备负荷信息，协同工作提高了可转移负荷的预测准确性。