基于MT-BSGP的电力负荷预测方法

作者：李智勇; 苏寅生; 李斌; 刘春晓; 李豹; 谭守标^*

来源：哈尔滨理工大学学报, 2021, 26(04): 46-55.

DOI：10.15938/j.jhust.2021.04.007

• 负荷预测
• 多任务学习
• 高斯过程
• 关联性
• 低秩结构

为了预测家庭短期电力负荷,提出一种基于多任务贝叶斯时空高斯过程的电力负荷预测方法,有效地捕捉不同居住社区之间的关联性和家庭之间的局部空间变化。为了更好地捕捉不同居住社区之间关联性,提出了一种新的多任务学习方法,即低秩Dirty模型,通过使用"公共特征集"和"共享低秩结构"来改进多任务贝叶斯时空高斯过程的学习。为了克服低阶dirty模型和高斯过程参数联合估计的困难,提出了一种迭代算法。实验结果表明,与已有的几种方法相比,该方法可以有效地预测电力负荷。

• 单位
  安徽大学; 中国南方电网电力调度控制中心