基于MT-BSGP的电力负荷预测方法

摘要：

为了预测家庭短期电力负荷,提出一种基于多任务贝叶斯时空高斯过程的电力负荷预测方法,有效地捕捉不同居住社区之间的关联性和家庭之间的局部空间变化.为了更好地捕捉不同居住社区之间关联性,提出了一种新的多任务学习方法,即低秩Dirty模型,通过使用"公共特征集"和"共享低秩结构"来改进多任务贝叶斯时空高斯过程的学习.为了克服低阶dirty模型和高斯过程参数联合估计的困难,提出了一种迭代算法.实验结果表明,与已有的几种方法相比,该方法可以有效地预测电力负荷.

关键词：负荷预测、多任务学习、高斯过程、关联性、低秩结构

所属期刊栏目：26

分类号：TP391.3(计算技术、计算机技术)

资助基金：国家自然科学基金青年科学基金71601001

在线出版日期：2021-09-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：46-55