English(EN) Transformer-based few-shot learning for modeling Electricity Consumption Profiles with minimal data across thousands of domains

Transformer模型以最少数据学习电力使用情况

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-26 04:00

研究人员开发了一种新颖的少样本学习框架，结合使用Transformer和高斯混合模型，以最少数据准确地对电力消耗曲线进行建模。这种无需微调的方法旨在处理大量领域，不同于传统方法。该框架即使只使用完整领域数据集的1.6%，也比最先进的时间序列建模技术表现出更优越的性能。 AI

影响这项研究通过改进用有限数据对电力消耗进行建模，可能实现更高效、更准确的能源网格管理。

排序理由详细介绍时间序列建模新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Weijie Xia, Gao Peng, Chenguang Wang, Peter Palensky, Eric Pauwels, Pedro P. Vergara · 2026-05-26 04:00

基于Transformer的少样本学习，用于跨数千个域的极少数据电力消耗剖面建模

arXiv:2408.08399v3 Announce Type: replace Abstract: Electricity Consumption Profiles (ECPs) are crucial for operating and planning power distribution systems, especially with the increasing number of low-carbon technologies such as solar panels and electric vehicles. Traditional …