基于MT-BSGP的电力负荷预测方法
Journal of Harbin University of Science and Technology（2021）
摘要
为了预测家庭短期电力负荷,提出一种基于多任务贝叶斯时空高斯过程的电力负荷预测方法,有效地捕捉不同居住社区之间的关联性和家庭之间的局部空间变化.为了更好地捕捉不同居住社区之间关联性,提出了一种新的多任务学习方法,即低秩Dirty模型,通过使用"公共特征集"和"共享低秩结构"来改进多任务贝叶斯时空高斯过程的学习.为了克服低阶dirty模型和高斯过程参数联合估计的困难,提出了一种迭代算法.实验结果表明,与已有的几种方法相比,该方法可以有效地预测电力负荷.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要