利用迁移学习在有限数据下建立能源预测模型
机器学习
2019-06-07 v1 信号处理
摘要
本文考虑针对电力负荷、光伏功率发电等能源资产在有限数据下开发预测模型的问题。我们具体研究历史数据量不足以有效训练预测模型的情形。我们首先基于卷积神经网络（CNN）开发了一个能源预测模型，该网络善于捕捉能源资产时间序列中的日间、每日和每周循环平稳模式、趋势与季节性。随后提出一种迁移学习策略以应对训练数据有限的挑战。我们在一个日电力需求预测用例上展示了该方法，表明在CNN模型上实施迁移学习策略相对于现有预测方法取得了显著改进。
引用
@article{arxiv.1906.02646,
title = {Energy Predictive Models with Limited Data using Transfer Learning},
author = {Ali Hooshmand and Ratnesh Sharma},
journal= {arXiv preprint arXiv:1906.02646},
year = {2019}
}