摘要
本发明提供了一种短期电力负荷的预测方法、装置、电子设备及介质，通过获取历史负荷数据及影响因素并预处理后，首先利用融合注意力机制的双向LSTM模型进行初始预测，再通过负荷模式状态分类器识别当前阶段，即稳定期、过渡期以及异常期，进而从三类独立训练的误差修正模型中选择适配者，即稳定期采用低修正强度的提升树模型、过渡期采用支持增量学习的中等修正模型、异常期采用支持在线学习的高修正强度模型，对初始预测值进行针对性误差补偿，最终输出优化后的负荷预测结果。该方法通过分阶段自适应修正机制，显著提升了电力负荷预测精度及抗干扰能力，尤其在负荷模式突变或异常场景下表现更优。
