1.一种基于深度学习和负荷峰值修正的居民区充电桩负荷预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于深度学习和负荷峰值修正的居民区充电桩负荷预测方法，其特征在于：所述数据预处理的具体方法为：
3.根据权利要求1所述的一种基于深度学习和负荷峰值修正的居民区充电桩负荷预测方法，其特征在于：所述特征选择的具体方法为：
4.根据权利要求1所述的一种基于深度学习和负荷峰值修正的居民区充电桩负荷预测方法，其特征在于：所述利用lstm进行日负荷峰值预测，具体步骤如下：
5.根据权利要求1所述的一种基于深度学习和负荷峰值修正的居民区充电桩负荷预测方法，其特征在于：所述负荷趋势曲线分解和聚合，具体步骤如下：
6.根据权利要求1所述的一种基于深度学习和负荷峰值修正的居民区充电桩负荷预测方法，其特征在于：所述负荷趋势曲线二次分解的具体步骤如下：
7.根据权利要求1所述的一种基于深度学习和负荷峰值修正的居民区充电桩负荷预测方法，其特征在于利用informer模型预测负荷趋势，具体步骤如下：
8.根据权利要求1所述的一种基于深度学习和负荷峰值修正的居民区充电桩负荷预测方法，其特征在于：利用adam算法对训练模型进行优化，具体步骤如下：
9.根据权利要求1所述的一种基于深度学习和负荷峰值修正的居民区充电桩负荷预测方法，其特征在于：负荷峰值曲线修正，具体步骤如下：
10.根据权利要求1所述的一种基于深度学习和负荷峰值修正的居民区充电桩负荷预测方法，其特征在于：利用不同误差指标来评估模型的预测性能，对模型充电负荷预测结果的准确性进行评估。