基于迁移学习的中长期电力负荷预测

摘要：

由于时间跨度大并受多种复杂因素影响,电力系统中长期负荷预测需要从大量数据中挖掘负荷特性及影响因素,实际应用中常常面临数据不足的问题.提出基于迁移学习的中长期负荷预测以降低样本不足对预测精度的影响,模型将源地区电力负荷及社会经济因素数据样本进行迁移以扩充目标地区数据集,通过隐变量描述不同源地区的特征,继而对目标地区和源地区建立集成模型进行预测.通过实际算例进行验证,所提出的模型能有效降低中长期负荷预测的误差.

关键词：迁移学习;中长期负荷预测;源地区;目标地区;隐变量;集成模型

所属期刊栏目：39

分类号：TM715(输配电工程、电力网及电力系统)

资助基金：中国南方电网有限责任公司科技项目059100KK52180010

在线出版日期：2022-03-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：69-74