智慧城市试图通过减少能源浪费、提高电网稳定性和满足服务需求来实现净零排放目标。这可以通过采用下一代能源系统来实现,该系统利用人工智能、物联网 (IoT) 和通信技术来实时收集和分析大数据并有效运行城市服务。然而,在可持续的智慧城市中训练机器学习算法来执行各种与能源相关的任务是一项具有挑战性的数据科学任务。这些算法可能表现不如预期,需要花费大量时间进行训练,或者没有足够的输入数据来很好地概括。为此,迁移学习 (TL) 已被提出作为缓解这些问题的有希望的解决方案。据作者所知,本文通过采用现有 TL 框架的明确分类法,首次对 TL 对能源系统的适用性进行了回顾。接下来,进行深入分析以确定当前技术的优缺点并讨论未解决的问题。接下来,将介绍两个案例研究,说明 TL 在 (i) 使用移动数据进行能源预测和 (ii) 体育设施中的负荷预测中的应用。最后,本文对未来的发展方向进行了讨论。
主要关键词