申请/专利权人:国网上海市电力公司
申请日:2021-04-14
公开(公告)日:2024-04-12
公开(公告)号:CN113128113B
主分类号:G06F30/27
分类号:G06F30/27;G06Q10/04;G06Q50/06;G06Q50/08;G06N3/0464;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.04.12#授权;2021.08.03#实质审查的生效;2021.07.16#公开
摘要:一种基于深度学习和迁移学习的贫乏信息建筑负荷预测方法,属电力领域。包括数据预处理;搭建一个带有注意层的2D‑CNN模型和一个基于迁移学习框架的seq2seq模型,用于模拟训练以及观察预测结果;采用预训练的方法从源域数据中提取知识,并将知识转移到目标域的任务中,用以提高模型的泛化性和鲁棒性;在目标域数据上训练一个预训练的模型,更新预训练的模型学习到的知识和表示,从而使预训练的结果得到利用。通过使用来自相似建筑的历史数据,提高目标建筑在信息贫乏情况下的负荷预测的准确性,并通过不同的实验来验证迁移学习模型在不同的预训练数据下的性能,从而提高了预测方法的精度。可广泛用于区域综合能源系统的规划或设计领域。
主权项:1.一种基于深度学习和迁移学习的贫乏信息建筑负荷预测方法,其特征在于,包括以下步骤:第一步:数据预处理,将所有训练数据和测试数据加工成一个相对较小的规模,来提高模型的收敛速度和计算;第二步:搭建一个带有注意层的2D-CNN模型和一个基于迁移学习框架的seq2seq模型,用于模拟训练以及观察预测结果;第三步:采用预训练的方法从源域数据中提取知识,并将知识转移到目标域的任务中;数据增强被提出作为一种增加训练数据量的技术,用以提高模型的泛化性和鲁棒性;第四步:微调在目标域数据上训练一个预训练的模型,可以更新预训练的模型学习到的知识和表示,从而使预训练的结果得到利用。
全文数据:
权利要求:
百度查询: 国网上海市电力公司 一种基于深度学习和迁移学习的贫乏信息建筑负荷预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。