文章标题：基于多源域迁移学习的船舶电力负荷预测研究
文章作者：邢承斌1, 刘斌1, 汪大春1, 岳小林1, 马明轩1, 马君1, 王伟2
关 键 字：船舶电力负荷预测;多工况;多源域迁移;域间自适应
文章摘要：复杂工况和恶劣环境下的船舶电力负荷预测对船舶的能量管理意义重大，因此提出一种基于多源域迁移学习（MDT）、稀疏自编码器（SAE）和nCPSO算法优化一维卷积神经网络和双向长短时记忆神经网络（nCPSO-1DCNN-BiLSTM）的船舶电力负荷预测模型。首先利用SAE增强多工况数据特征，然后建立nCPSO-1DCNN-BiLSTM特征提取模型，最后在互相关法（CORAL）和联合最大平均差异法（JMMD）算法作用下实现域间自适应并利用多个源域数据进行目标域电力负荷预测。结果表明，所提方法在多种工况下较不迁移和单源域迁移模型精度均有所提升，对船舶设备的能量管理具有一定指导意义。