摘要
本发明提供了面向新型电力系统的负荷监测方法,属于负荷监测领域,包括将总电力负荷数据原始值和辅助特征输入预先训练的时序神经网络得到总电力负荷数据预测值,基于总电力负荷数据预测值对电力负荷数据原始值进行预处理,得到预处理后的值,预先训练的时序神经网络包括MLP层和异常门控机制层,异常门控机制层用于决定当前时刻信任预测值或原始值;将预处理后的值输入预先训练的特征提取网络,得到特征向量预测值,预先训练的特征提取网络包括依次连接的双层深度时间卷积层、归一化注意力机制层、激活层和全局平均池化层;将特征向量预测值输入全连接层,得到每个子设备的负荷;还提供了负荷监测系统;实现高精度、强鲁棒性和实时性的负荷监测。