基于迁移学习和GRU网络的新建小区负荷预测

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.

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

所属期刊栏目：24

分类号：TM713;TK018(输配电工程、电力网及电力系统)

资助基金：国家电网有限公司总部科技项目B710D0208XLI

在线出版日期：2022-04-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：55-62