基于极限学习机的居民用电行为分类分析方法

论文摘要

针对大数据背景下智能用户用电行为分类问题,提出一种基于极限学习机(ELM)算法的用户用电行为分类方法。首先,在前期用户行为的特征优选策略的基础上,采用特征优选策略提取负荷曲线的最佳特征集对用户用电数据进行分类分析。然后,将特征优选集作为输入,通过比较不同隐含层激活函数和隐含层节点个数下训练集和测试集的正确率,优选出适用于用户用电行为分析的ELM算法的输入参数。最后,以国内和国外用户用电数据为数据源,进行算例仿真实验,通过与反向传播(BP)神经网络的对比分析表明,所提出的基于ELM算法的用户用电行为分析方法提高了检测的正确率并且降低了算法运行时间,能够更好地掌握用户用电负荷状态,实现配电网的削峰填谷。

论文目录

• 0 引言
• 1 居民用电行为分类建模
•   1.1 基本原理
•   1.2 用户用电行为分析的算法实现流程
• 2 实验与性能分析
•   2.1 ELM激活函数对结果的影响
•   2.2 ELM算法隐含层节点数对结果的影响性分析
•   2.3 实验结果分析
• 3 结语

文章来源

类型: 期刊论文

作者: 陆俊,陈志敏,龚钢军,徐志强,祁兵

关键词: 用户用电行为分析,极限学习机,反向传播神经网络,参数优化,智能用电,需求响应,大数据

来源: 电力系统自动化 2019年02期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 北京市能源电力信息安全工程技术研究中心(华北电力大学),国网湖南省电力有限公司经济技术研究院设计中心

基金: 国家电网公司科技项目“电网用户用电行为与可控负荷需求响应技术研究”~~

分类号: TP18;TM732

页码: 97-104

总页数: 8

文件大小: 3181K

下载量: 751