基于混合神经网络的电力客户细分研究

论文摘要

随着我国电力市场改革的逐步深化,电力市场需求多元化的特性逐步凸显。制定有针对性的营销策略,满足不同客户的用电需求,实现个性化与差异化的服务,提高电网公司的核心竞争力,扩大电能在社会消费终端中的占有率,已成为电力企业一项迫切任务。为了制定电力客户的用电服务,电力客户细分就显得尤为重要。论文提出了H-LSTM（Hy?brid-Long Short-Term Memory）的混合神经网络方法来进行电力客户细分,通过用电客户的特征指标,时间之间的联系,进行对电力客户的分类。通过对电力大客户的供电营销数据进行实验,和决策树、原始LSTM神经网络等方法进行了比较,实验结果表明,H-LSTM的电力客户细分方法准确度更高,具有实际应用价值。

论文目录

• 1 引言
• 2 特征选择
•   2.1 确定特征指标
•   2.2 分析指标说明
• 3 基于H-LSTM的电力客户细分模型
•   3.1 RNN神经网络
•   3.2 模型构建
• 4 实验结果
•   4.1 电力用户类别分析
•   4.2 结果比较
• 5 结语

文章来源

类型: 期刊论文

作者: 欧家祥,曹湘,张俊玮,丁超

关键词: 电力客户细分,循环神经网络,混合神经网络,用电行为

来源: 计算机与数字工程 2019年03期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑,经济与管理科学

专业: 电力工业,自动化技术,工业经济,企业经济

单位: 贵州电网有限公司电力科学研究院,上海电力学院计算机科学与技术学院

基金: 国家自然科学基金项目(编号:61672337),基于深度学习的大客户负荷预测技术研究与应用(编号:066600KK52170002)资助

分类号: F426.61;F274;TP183

页码: 689-695

总页数: 7

文件大小: 2352K

下载量: 178