基于低秩表示的多任務短期電力負荷預測的研究

摘要：在電力系統負荷預測中,使用傳統的單任務學習方法未考慮多個地點的負荷間的潛在關系,忽視關聯信息在多個地點間傳遞的可能會導致學習效果欠佳。針對這一問題,本文提出基于低秩表示的多任務學習方法進行多個地點的多任務負荷預測,該方法在學習過程中可以提取不同位置的負荷預測模型的共享低維表示,從而可以挖掘多個任務之間的關聯關系,同時又可以區別不同任務之間的差別。實驗表明,多任務負荷預測的平均性能優于決策樹和隨機森林等單任務學習方法,在負荷預測的精度上有了一定的提升。