共 13 条
[1]
[2]
[3]
[4]
[5]
[6]
[7]
[8]
[9]
[10]
基于特征迁移学习的综合能源系统小样本日前电力负荷预测
被引：54
作者：
孙晓燕
[1
]
李家钊
[1
]
曾博
[2
]
巩敦卫
[1
]
廉智勇
[3
]
机构：
[1] 中国矿业大学信息与控制工程学院
[2] 新能源电力系统国家重点实验室(华北电力大学)
[3] 太原煤气化龙泉能源发展有限公司
来源：
关键词：
综合能源系统;
日前电力负荷预测;
特征提取;
迁移学习;
门控循环单元;
D O I：
暂无
中图分类号：
TM715 [电力系统规划];
TP181 [自动推理、机器学习];
学科分类号：
080802 [电力系统及其自动化];
140502 [人工智能];
摘要：
基于历史数据和深度学习的负荷预测已广泛应用于以电能为中心的综合能源系统中以提高预测精度,然而,当区域中出现新用户时,其历史负荷数据往往极少,此时,深度学习难以适用.针对此,本文提出基于负荷特征提取和迁移学习的预测机制.首先,依据源域用户历史负荷数据,融合聚类算法和门控循环单元网络构建源域数据的特征提取和分类模型;然后,利用该模型提取当前待预测目标域小样本的特征及其类别信息,进而给出基于特征相似度和时间遗忘因子的特征融合策略;最后,依据融合特征,给出基于迁移学习和特征输入的负荷预测.将所提算法应用于卡迪夫某区域的高中和住宅用电预测中,实验结果表明了该算法在综合能源系统小样本电力负荷预测中的有效性.
引用
收藏
页码：63 / 72
页数：10
相关论文