基于多维融合特征和卷积神经网络的多任务用户短期负荷预测

摘要：

针对海量用户负荷预测场景下,应用单任务用户负荷预测法所导致的运行效率低以及无法学习相关任务间关联关系等问题,提出一种基于多维融合特征和卷积神经网络的多任务用户短期负荷预测方法.首先,基于聚类技术实现多任务学习中相关任务的选择;其次,为每一类用户群构建多维融合输入,合理有序容纳多个任务的特征,避免维度爆炸和信息混乱;最后,分别为每一类用户建立以卷积神经网络为共享层的多任务预测模型,学习共享特征,并行输出相应类中全部用户的负荷预测值.基于爱尔兰能源监管委员会提供的智能电表实测数据进行算例分析,结果表明,该方法在提高整体运行效率和平均预测精度方面均取得良好成效.

关键词：海量用户、负荷预测、多任务学习、多维融合特征、卷积神经网络

所属期刊栏目：47

分类号：TP391;TM714;TP181

在线出版日期：2023-07-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：69-77