陈雪薇张继东 田园 王振宇 徐正安

摘要：电力负荷预测是智能电网建设的基础，对我国未来碳计量工作具有重要作用。基于智能算法的电力负荷预测需要大量的历史数据作为模型训练样本，而新建城区或电力计量基础较为落后地区，难以收集大量准确的历史数据用于训练模型，导致难以准确进行电力负荷预测。现通过深度学习网络构建电力负荷预测模型，并基于迁移学习算法构建既有建筑电力数据和新建建筑电力负荷间的联系，通过既有建筑负荷历史数据训练所得模型来预测新建建筑电力负荷，以南京市某办公建筑为例验证所构建的负荷预测模型，预测误差可保持在7.8%以内，所提出的电力负荷预测方法可为实际电力负荷预测计量提供参考。

关键词：电力负荷预测;深度学习;迁移学习;建筑能耗

0 引言

电力负荷预测是智能电网的基础性功能，对未来智慧城市发展具有重要作用，对城市稳定高效运转具有重要意义，直接影响城市未来发展和人民生活水平的提升[1]。同时，电力负荷预测有助于碳计量工作的开展，是实现我国2060碳中和大计的重要环节[2]。然而，基于现代智能算法的电力负荷预测需要大量的历史数据作为模型训练的基础，而对于新建城区或电力计量基础较为落后地区，难以收集大量准确的历史数据用于训练模型，导致难以准确进行电力负荷预测。

本文针对这一难点，研究基于迁移学习的电……