基于1DCNN-LSTM和迁移学习的短期电力负荷预测

针对在短期电力负荷预测中，当某区域电力负荷数据较少时，负荷预测精度较差的问题，提出一种基于1DCNN-LSTM(1D Convolutional Neural-Long Short-Term Memory Networks)和参数迁移的短期负荷预测方法，并采用1DCNN-LSTM结合迁移学习针对性提高预测精度。使用美国某地区的实际负荷数据进行仿真分析，实验结果表明，该方法能有效提升区域电力负荷数据缺失时负荷预测的精度。