论文摘要
泛在电力物联网的建设引入了海量电力用户侧数据。利用这些电力大数据,提出了一种数据驱动的用电行为特性分析方法。首先,提出基于用电行为特性的用户分类方法,选取多维指标作为用电行为分析和用户分类的依据,利用K均值算法得到多维子空间聚类结果;其次,提出基于最大联合互信息算法(JMMC)的用电行为关联因素辨识方法,分别计算了各类用户用电量数据与潜在关联环境因素的互信息值,并通过JMMC算法对因素进行灵敏度排序,提取相关性高、冗余度低的因素作为预测建模的输入变量;进而,对各类用户建立了基于深度置信网络(Deep Belief Network,DBN)的短期负荷预测模型,利用DBN的特征提取优势和辨识的强关联因素提高了预测精度,证明了环境感知模型的有效性。提出的用电行为分析模式,对于把握用电规律、提升电网侧服务质量等方面具有积极意义。
论文目录
文章来源
类型: 期刊论文
作者: 朱天怡,艾芊,李昭昱,贺兴
关键词: 用电行为分析,多维聚类,最大联合互信息,关联因素识别,深度置信网络,短期负荷预测
来源: 电器与能效管理技术 2019年19期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 上海交通大学电力传输与功率变换控制教育部重点实验室
基金: 国家自然基金-国家电网联合基金(U1866206)
分类号: TM73
DOI: 10.16628/j.cnki.2095-8188.2019.19.013
页码: 91-100
总页数: 10
文件大小: 2710K
下载量: 197
相关论文文献
标签:用电行为分析论文; 多维聚类论文; 最大联合互信息论文; 关联因素识别论文; 深度置信网络论文; 短期负荷预测论文;