Jun, 2024
智能电网中数据稀缺下的少样本负荷预测:元学习方法
Few-Shot Load Forecasting Under Data Scarcity in Smart Grids: A Meta-Learning Approach
Georgios Tsoumplekas, Christos L. Athanasiadis, Dimitrios I. Doukas, Antonios Chrysopoulos, Pericles A. Mitkas
TL;DR该论文提出了一种基于元学习算法的短期负荷预测方法,通过少量训练样本在任意长度的未知负荷时间序列中快速适应和泛化,并通过历史负荷消耗数据集的评估表明,该方法能够准确预测负荷,比传统的迁移学习和任务特定的机器学习方法提高了 12.5% 的准确度。