Rakib Abdullah

迁移学习提高了数据稀疏性下太阳能光伏预测的准确性

一篇新的研究论文提出了一种结合共形分位数回归（CQR）的迁移学习框架，以改进太阳能光伏（PV）发电预测，特别是在因负载中断导致历史数据稀缺的地区。通过在澳大利亚爱丽斯泉的数据上预训练模型，然后将其应用于模拟的孟加拉国光伏数据，该研究显示出显著的改进。迁移学习方法在使用仅一个月的目标数据的情况下，将RMSE降低了高达23.7%，并实现了94.3%的经验覆盖率和更窄的预测区间。