基于知识流和迁移学习的负荷预测

摘要：

在万物互联、全面感知、智能决策的大数据信息化时代,大数据信息的采集、大量信号的处理等仍存在数据冗余、计算量大、成本高、不及时和无特征性的缺点.通过迁移学习方法,利用基于权重影响因子进行信息融合的知识流动体系,为物联感知系统提供协助分析并简化计算.在物联感知系统采用迁移学习加数据融合的知识流动方式,以地区用电功率部分数据做短期负荷预测的仿真计算,分析用户用电行为影响因子,训练得到影响因子最佳权重分配,为用电耗率预判提供依据.结果表明,通过该方式,能够清晰辨别用电行为特征,并根据用电特征预判用电耗能.

关键词：迁移学习、信息融合、知识流、物联感知、负荷预测

所属期刊栏目：38

分类号：TM714;TM715;TP181(输配电工程、电力网及电力系统)

在线出版日期：2022-06-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：114-123