零样本迁移学习在电力预测中的应用  

作　　者：陈峰[1] 朱旻昊 车洵 石鹏飞 

机构地区：[1]南京南瑞继保电气有限公司 [2]南瑞集团有限公司 [3]南京理工大学紫金学院 [4]北京航天长峰科技工业集团有限公司

出　　处：《信息系统工程》2025年第3期47-50,共4页

摘　　要：准确预测对能源的高效利用和可持续发展至关重要。现有研究多聚焦于能源价格预测,而关于中期(月度)电力生产预测的研究较少。提出一种基于零样本迁移学习的新方法以解决此问题。首先使用包含多种时间序列数据的大规模数据集训练NBEATS神经网络模型,然后将此模型应用于无需额外训练的零样本学习场景中进行电力生产预测。实验结果表明,该方法相较于传统的深度学习和统计预测方法具有更低的预测误差,并且由于省去了针对具体任务的训练步骤,在计算效率上也展示出明显优势。

关 键 词：电量预测 迁移学习 深度学习 

分 类 号：G63[文化科学—教育学]