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

PLMO

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1赵健1徐剑1,2魏敏捷11. 上海电力大学电气工程学院2. 大航有能电气有限公司

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-task learning，MTL)预测模型精度受限的问题，提出一种MTL和单任务学习(single-task learning，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。