基于多任务学习和单任务学习组合模型的综合能源系统多元负荷预测

基于多任务学习和单任务学习组合模型的综合能源系统多元负
荷预测
秦烁;赵健;徐剑;魏敏捷
【期刊名称】《电网技术》
【年(卷),期】2024(48)4
【摘要】针对气象因素对多元负荷变化的灵敏度差异及多元负荷间耦合强度的差异导致多任务学习(multi-tasklearning,MTL)预测模型精度受限的问题,该文提出一种MTL和单任务学习(single-tasklearning,STL)组合的多元负荷预测方法。

首先使用基于长短期记忆(long and short-term memory,LSTM)网络的MTL模型提取多元负荷间的耦合信息进行初步预测;然后采用基于前置双重注意力长短期记忆(dual attention before LSTM,DABLSTM)网络的STL模型减少输入噪声进行二次预测;同时将初步的预测值输入STL模型,使得STL模型可以考虑未来的时序信息;最后,通过全连接层对两个模型的预测结果进行融合得到最终的预测结果。

实验结果表明,所提组合模型相比单一的MTL和STL模型具有更高的预测精度。

【总页数】13页(P1510-1518)
【作者】秦烁;赵健;徐剑;魏敏捷
【作者单位】上海电力大学电气工程学院;大航有能电气有限公司
【正文语种】中文
【中图分类】TM721
【相关文献】
1.基于最大信息系数和多目标Stacking集成学习的综合能源系统多元负荷预测
2.基于MMoE多任务学习和长短时记忆网络的综合能源系统负荷预测
3.基于耦合特征与多任务学习的综合能源系统短期负荷预测
4.基于Transformer网络和多任务学习的园区综合能源系统电-热短期负荷预测方法
5.基于ALIF-LSTM多任务学习的综合能源系统短期负荷预测
因版权原因，仅展示原文概要，查看原文内容请购买。