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
孙晓燕1
李家钊1
曾博2
巩敦卫1
廉智勇3
1.中国矿业大学信息与控制工程学院,江苏徐州2211162.新能源电力系统国家重点实验室(华北电力大学),北京1022063.太原煤气化龙泉能源发展有限公司,山西太原030303
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.
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
资助基金：中央高校基本科研业务费专项(2020ZDPY0216)
论文发表日期：2021-01-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 63-72 )
英文信息