来源：期刊VIP网 时间：
作者：程明;翟金星;马骏;鲁丽波;金恩淑;
单位：国家电投内蒙古能源有限公司通辽霍林河坑口发电有限责任公司;东北电力大学电气工程学院;
摘要：随着信息化时代的到来，数据驱动的机器学习已成为主流的短期电力负荷预测方法，但此类方法对数据具有很强的依赖性。为改善这一不足，提出了一种基于迁移学习的卷积神经网络（convolutional neural network,CNN）和门控循环单元（gated recurrent unit,GRU）的混合预测模型。以东北某2个地区的电力负荷数据集为例进行预测分析。结果表明，所提方法可有效提高数据稀缺情况下短期电力负荷预测的准确性和可靠性。
关键词：电力负荷预测;;卷积神经网络;;迁移学习;;门控循环单元
基金资助：国家电投集团科研基金项目（编号：KY-C-2022-XT36）
