针对铸造厂动力设备集中运行引起的短时尖峰负荷及合同容量越限问题，提出一种面向15 min提前预警的(CNN-CBAM-MLFP-Transformer

CCM-Transformer)短期电力负荷预测方法。该方法将卷积神经网络(convolutional neural network

CNN)、卷积块注意力(convolutional block attention module

CBAM)和多尺度特征金字塔(multi-level feature pyramid

MLFP)构成CCM特征增强模块，通过CNN提取局部负荷突变特征，引入CBAM从通道和时间位置维度突出尖峰相关响应，采用MLFP融合浅层细节和深层趋势特征，并通过Transformer编码器建立全局时序依赖。铸造厂实际负荷数据实验表明，所提方法在MAE、RMSE和MAPE指标上优于基线模型，能够更准确地刻画负荷陡升、稳定平台及回落等阶段的动态变化特征。可为高耗能制造企业的错峰投炉、辅助设备调控和智能化能源管理提供技术支撑。