本文探讨了智能电网中电力负荷预测的深度学习模型，比较了N-BEATS和基于Gated Recurrent Unit的方法。研究表明，N-BEATS模型表现优越，外部因素显著影响预测准确性。提出的模块化框架和新型混合模型在多个数据集上显示出卓越性能，推动了短期负荷预测的进步。

本文探讨了深度学习在电力负荷预测中的应用，评估了N-BEATS和LSTM等多种模型的性能。研究表明，N-BEATS模型在短期负荷预测中表现优于其他模型，并强调外部因素对预测准确性的影响。此外，提出了新的方法和框架，以提高电力需求预测的准确性和效率，助力智能电网的运营。