一种利用多任务学习的短期住宅负荷预测方案

• 作者: 王玉峰 肖灿彬 陈焱 金群
• 来源期刊: 北京邮电大学学报
• 关键词: 负荷预测 多任务学习 双向长短期记忆 信息物理社会系统 智能电网
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 论文|PAPERS
• 页码范围: 47-52
• 页数: 6页
• 分类号: TP393
• 语种: 中文
• DOI: 10.13190/j.jbupt.2020-187

摘要

作为信息物理社会系统的一种具体形式,智能电网中的负荷预测,尤其是单个电力客户的短期负荷预测,在智能电力系统的规划和运营中将扮演越来越重要的角色.考虑到同一住宅小区用户之间的负荷行为的相似性,受多任务学习的启发,提出了一种基于多任务学习的有效住宅负荷预测方案.首先,利用K-means聚类技术和皮尔逊相关系数挑选出2个相似用户,进而将2个用户的负荷数据合并输入,并将双向长短时记忆网络作为共享层全面捕获2个用户数据之间的关系,然后送入2个全连接的任务相关的输出层.在真实的数据集上,将所提方案与几种典型的负荷预测方案进行全面比较.实验结果表明,与已有的深度学习预测方案相比,提出的多任务负荷预测方案提高了预测准确程度.