典型文献
基于迁移学习的中长期电力负荷预测
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
王凌谊;王志敏;钱纹;顾洁;原吕泽芮;金之俭
作者机构：
云南电网有限责任公司电网规划建设研究中心,云南昆明 650011;上海交通大学电子信息与电气工程学院,大数据工程技术研究中心,上海 200240
文献出处：
引用格式：
[1]王凌谊;王志敏;钱纹;顾洁;原吕泽芮;金之俭-.基于迁移学习的中长期电力负荷预测)[J].供用电,2022(03):69-74
A类：
B类：
迁移学习,中长期电力负荷预测,时间跨度,跨度大,电力系统,中长期负荷预测,负荷特性,源地区,社会经济因素,素数,目标地区,隐变量,不同源,集成模型
AB值：
0.208069
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
