基于MT-BSGP的电力负荷预测方法

• 作者: 李智勇 苏寅生 李斌 刘春晓 李豹 谭守标
• 来源期刊: 哈尔滨理工大学学报
• 关键词: 负荷预测 多任务学习 高斯过程 关联性 低秩结构
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 电气与电子工程|Electrical and Electronic Engineering
• 页码范围: 46-55
• 页数: 10页
• 分类号: TP391.3
• 语种: 中文
• DOI: 10.15938/j.jhust.2021.04.007

摘要

为了预测家庭短期电力负荷,提出一种基于多任务贝叶斯时空高斯过程的电力负荷预测方法,有效地捕捉不同居住社区之间的关联性和家庭之间的局部空间变化.为了更好地捕捉不同居住社区之间关联性,提出了一种新的多任务学习方法,即低秩Dirty模型,通过使用"公共特征集"和"共享低秩结构"来改进多任务贝叶斯时空高斯过程的学习.为了克服低阶dirty模型和高斯过程参数联合估计的困难,提出了一种迭代算法.实验结果表明,与已有的几种方法相比,该方法可以有效地预测电力负荷.