典型文献
基于迁移学习和GRU网络的新建小区负荷预测
文献摘要：
针对新建小区没有任何历史负荷数据的难点,提出了基于相似小区特征进行数据迁移的门控循环单元负荷预测算法,实现对新建小区负荷的预测.首先,利用迁移学习的思想迁移出与新建小区特征高度相似的数据信息,及预测模型参数;其次,利用特征数据集作为训练集完成极端梯度增强算法回归模型的训练;然后,采用门控循环单元神经网络对训练样本集进行建模,当模型达到预测精度时,从而完成蕴含时序关系的新建设小区的中长期负荷预测.最后,以连云港某小区为例,得到了该小区在2020年1月-2022年11月时间段内的负荷预测结果,以验证所建立的蕴含时序关系的中长期负荷预测模型的有效性.
文献关键词：
中长期负荷预测;门控循环单元网络;迁移学习;极端梯度增强算法回归
中图分类号：
作者姓名：
孙志翔;丁彬;孙晓燕
作者机构：
国网江苏省电力有限公司连云港供电分公司,江苏连云港 222000;中国矿业大学信息与控制工程学院,江苏徐州 221116
文献出处：
引用格式：
[1]孙志翔;丁彬;孙晓燕-.基于迁移学习和GRU网络的新建小区负荷预测)[J].电力需求侧管理,2022(01):55-62
A类：
极端梯度增强算法回归
B类：
迁移学习,GRU,新建小区,小区负荷,负荷数据,数据迁移,预测算法,移出,特征高度,特征数据集,训练集,门控循环单元神经网络,训练样本集,时序关系,中长期负荷预测,连云港,某小区,负荷预测模型,门控循环单元网络
AB值：
0.230196
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。
