基于知识流和迁移学习的负荷预测

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....

Full description

Saved in:
Bibliographic Details
Published in电信科学 Vol. 38; no. 5; pp. 114 - 123
Main Authors 祝文军, 王思宁, 高晓欣, 郑倩
Format Journal Article
LanguageChinese
Published 中国通信学会 20.05.2022
人民邮电出版社有限公司
北京中电普华信息技术有限公司,北京 100192
Subjects
负荷预测
迁移学习
信息融合
知识流
物联感知
Online AccessGet full text
ISSN1000-0801
DOI10.11959/j.issn.1000-0801.2022074

Cover

More Information
Summary: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.
ISSN:1000-0801
DOI:10.11959/j.issn.1000-0801.2022074