基于Transformer的高效可解释少量学习在千余领域电力消耗特征建模中的应用

本研究解决了在电力消耗特征（ECP）建模中因数据获取受限而导致的模型构建问题。提出了一种新颖的少量学习方法，结合Transformer和高斯混合模型，以克服传统方法的局限性。研究结果表明，该方法能够以极少的数据准确恢复复杂的ECP分布，并且比现有的时间序列建模方法表现更优，同时保持轻量和可解释的特点。