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

作者：秦烁; 赵健; 徐剑; 魏敏捷

来源：电网技术, 2023, 1-15.

DOI：10.13335/j.1000-3673.pst.2023.0841

• 综合能源系统
• 多任务学习
• 单任务学习
• 长短时记忆网络
• 注意力机制
• 负荷预测

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。

• 出版日期2023
• 单位上海电力大学