摘要
本发明涉及家庭级电力负荷预测领域，尤其涉及一种智能电表数据电力负荷预测方法、装置、设备及介质，采集家庭的历史电力负荷数据及时间信息，形成数据集；利用K‑Means算法结合轮廓系数对数据集进行聚类；针对每一个聚类簇，构建对应的LSTM负荷预测模型，利用各个聚类簇的训练集所对应的LSTM负荷预测模型进行训练；利用各个聚类簇的测试集，进行短期电力负荷预测。本发明不依赖于对外部因素的精确预测，能够灵活应对家庭用电需求的动态变化，提供实时、准确的负荷预测。该方法在智能电网环境下具有广泛的应用价值，能够有效支持能源管理和电力系统调度，优化能源利用效率，降低运营成本。
