一种基于深度迁移学习的微电网用户负荷建模方法及系统

本发明公开了一种基于深度迁移学习的微电网用户负荷建模方法及系统，涉及智能电网技术领域，包括，收集微电网用户数据，进行数据预处理与初始化；进行源域预训练，构建深度迁移学习框架；使用改进的深度卷积神经网络进行特征提取；进行域适应损失计算，引入双重注意力机制，构建负荷预测模型；设置增量学习优化，通过改良算法优化策略。本发明所述方法结合领域适应损失、增量学习优化和知识蒸馏等技术，有效解决了现有技术中的数据稀缺、领域适应性差以及过拟合等问题。本发明能够通过迁移学习框架在源域和目标域之间实现有效的知识迁移，提高负荷预测的精度和稳定性，且在处理新数据和变化场景时具有较强的适应性。