%0 Journal Article
%A 陈焱
%A 金群
%A 肖灿彬
%A 王玉峰
%T 一种利用多任务学习的短期住宅负荷预测方案
%D 2021
%R 10.13190/j.jbupt.2020-187
%J 北京邮电大学学报
%P 47-52
%V 44
%N 3
%X 作为信息物理社会系统的一种具体形式，智能电网中的负荷预测，尤其是单个电力客户的短期负荷预测，在智能电力系统的规划和运营中将扮演越来越重要的角色.考虑到同一住宅小区用户之间的负荷行为的相似性，受多任务学习的启发，提出了一种基于多任务学习的有效住宅负荷预测方案.首先，利用K-means聚类技术和皮尔逊相关系数挑选出2个相似用户，进而将2个用户的负荷数据合并输入，并将双向长短时记忆网络作为共享层全面捕获2个用户数据之间的关系，然后送入2个全连接的任务相关的输出层.在真实的数据集上，将所提方案与几种典型的负荷预测方案进行全面比较.实验结果表明，与已有的深度学习预测方案相比，提出的多任务负荷预测方案提高了预测准确程度.
%U https://journal.bupt.edu.cn/CN/10.13190/j.jbupt.2020-187