基于改進WGAN考慮特征分布相似性的小樣本負荷預測方法

摘要： 對于綜合能源系統(tǒng)中新接入用戶,其往往由于歷史數(shù)據(jù)匱乏而難以建立精準的短期負荷預測模型.本文基于遷移學習理論,提出了一種基于改進Wasserstein生成對抗網(wǎng)絡(WGAN)的小樣本負荷預測方法.首先,本文采用最大信息系數(shù)法量化各影響特征與負荷的相關性強弱.接著,將源域特征序列進行分割,計算各分割子序列與目標域小樣本的實序列編輯距離確定初始源域.然后,引入卷積神經(jīng)網(wǎng)絡和長短期記憶... （共12頁）