融合多头交互注意力表征的电力负荷预测方法

摘要

针对电力负荷预测中多元特征间的动态耦合关系建模不足，以及周期模式与局部波动特征的协同学习机制缺失的问题，本文提出了一种基于多头交互注意力融合的表征学习方法，用于提升预测准确性.通过构建交互式多头注意力融合表征架构，采用解耦-交互耦合范式实现负荷时序动态演化与跨通道特征隐含关联特性的协同建模；深度融合周期自适应分段机制与深度表征学习框架，精准捕获多元负荷序列周尺度依赖模式与深层时空演化规律.基于国网朝阳供电公司的实测数据验证表明，本方法较现有模型在预测精度上提升显著，尤其对负荷峰谷时段的预测表现突出.研究成果为复杂电力系统的精准负荷预测提供了新的技术途径.

关键词

深度学习 / 负荷预测 / 表征学习 / transformer / 交互式多头注意力机制