基于域对抗迁移网络的短期电力负荷预测方法

doi:10.13335/j.1000-3673.pst.2024.1798

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于域对抗迁移网络的短期电力负荷预测方法

更新时间：2025-09-25

- 基于域对抗迁移网络的短期电力负荷预测方法
- Issue 9, Pages: 3745-3755(2025)
- 作者机构：
  
  1. 福州大学电气工程与自动化学院
  2. 国网福建省电力有限公司长乐区供电公司
- 作者简介：
- 基金信息：
- DOI：10.13335/j.1000-3673.pst.2024.1798
  CLC： TP18;TM715
- Published：2025
- 稿件说明：
移动端阅览
[J]. 2025, (9): 3745-3755.
DOI：

[J]. 2025, (9): 3745-3755. DOI： 10.13335/j.1000-3673.pst.2024.1798.

摘要

基于数据驱动的方法已广泛应用于电力负荷预测领域，以提升预测精度。然而，当售电公司接入新用户时，由于缺乏用户历史用电数据，常规数据驱动方法的适用性会受到一定限制。为解决这一问题，文章提出了一种基于域对抗迁移网络(domain adversarial transfer network

DATN)的短期电力负荷预测方法。该模型利用Transformer模型作为特征提取器，以捕捉负荷数据中的动态特征和时间依赖性。随后，负荷预测器基于这些特征精准预测未来的负荷情况。判别器与特征提取器的对抗学习，确保模型能够学习到深层域不变特征，同时结合多核最大均值差异(multi-kernel maximum mean discrepancy

MK-MMD)和相关性对齐(correlation alignment

CORAL)进一步减小源域与目标域数据的分布差异。所提模型在南方某省工业用户的用电数据上进行了验证，实验结果表明，在小样本场景下，该方法具备较好的预测精度和场景适应性。

Abstract

关键词

Keywords

references

赵峰,孙波,张承慧.基于多变量相空间重构和卡尔曼滤波的冷热电联供系统负荷预测方法[J].中国电机工程学报,2016(02).

邓带雨,李坚,张真源,滕予非,黄琦.基于EEMD-GRU-MLR的短期电力负荷预测[J].电网技术,2020(02).

赵佩,代业明.基于实时电价和加权灰色关联投影的SVM电力负荷预测[J].电网技术,2020(04).

张勇,陶一凡,巩敦卫.迁移学习引导的变源域长短时记忆网络建筑负荷预测[J].控制与决策,2021(10).

缪希仁,林蔚青,肖洒,江灏,陈静,庄胜斌.基于条件互信息与LSTNet的特高压变压器顶层油温预测方法[J].电网技术,2022(07).

唐贤伦,陈洪旭,熊德意,张艺琼,蒋维弛,邹密.基于极端梯度提升和时间卷积网络的短期电力负荷预测[J].高电压技术,2022(08).

欧阳福莲,王俊,周杭霞.基于改进迁移学习和多尺度CNN-BiLSTM-Attention的短期电力负荷预测方法[J].电力系统保护与控制,2023(02).

韩富佳,王晓辉,乔骥,史梦洁,蒲天骄.基于人工智能技术的新型电力系统负荷预测研究综述[J].中国电机工程学报,2023(22).

邹念,张颖,苏盛,魏梅芳,刘康,李彬.基于小时尺度周期特征自编码器的用户窃电识别方法[J].电网技术,2023(06).

胡兆龙,胡俊建,彭浩,韩建民,朱响斌,丁智国.基于深度随机森林算法的短期用户负荷预测——以金华地区为例[J].电子科技大学学报,2023(03).

林蔚青,缪希仁,肖洒,江灏,卢燕臻,邱星华,阴存翊.基于时空特征挖掘的特高压变压器热状态参量预测方法[J].中国电机工程学报,2024(04).

范茜茜,王国强,罗贺,台建玮.基于N-BEATS与辅助编码器的短期电力负荷预测[J].电网技术,2024(04).

石卓见,冉启武,徐福聪.基于聚合二次模态分解及Informer的短期负荷预测[J].电网技术,2024(06).

王鹏,李丹青,王恒.基于改进交替迁移学习的滚动轴承故障诊断算法[J].振动与冲击,2024(05).

臧海祥,陈玉伟,程礼临,朱克东,张越,孙国强,卫志农.基于多尺度分量特征学习的用户级超短期负荷预测[J].电网技术,2024(06).

School of Economics and Management, North China Electric Power University, Beijing, 102206, China,Center for Energy and Environmental Policy Research, Beijing Institute of Technology, Beijing, 100181, China,China Electric Power Research Institute, Beijing, 100192, China,School of Economics and Management, North China Electric Power University, Beijing, 102206, China,Shanghai Electric Power Company, Shanghai, 200122, China.Short term electricity load forecasting using a hybrid model[J].Energy,2018.

Mauro Ribeiro,Katarina Grolinger,Hany F. ElYamany,Wilson A. Higashino,Miriam A.M. Capretz.Transfer learning with seasonal and trend adjustment for cross-building energy forecasting[J].Energy & Buildings,2018.

Views

639

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

考虑样本分布不均衡的电力系统暂态稳定自适应评估

考虑日期模式等效和多级并行卷积模块的短期负荷预测

基于Transformer与单分类支持向量机的窃电时间识别方法

一种电力系统短期负荷预测网络信息系统

基于模糊聚类识别及统计相关的短期负荷预测

Related Author

姬凯旋

乔骥

赵紫璇

赵津蔓

史梦洁

杨帆

范竞敏

贺广林

Related Institution

中国电力科学研究院有限公司

广东石油化工学院机电学院

广东工业大学自动化学院

河南师范大学计算机与信息工程学院

南京理工大学机械工程学院

AI问答

⁰