基于欠完备自编码器的用户用电行为分类分析方法

论文摘要

针对电力大数据背景下用户用电行为复杂多变、分析困难的问题,提出了一种基于欠完备自编码器的用户用电行为分类分析方法。首先,通过欠完备自编码器对智能电表数据进行编码,实现对原始数据的特征抽取,并使用反向传播(BP)神经网络进行用户用电行为分类分析;然后,对最佳编码比率进行优选,并结合用户的典型用电特征作为神经网络的输入,提高了分类准确率;最后,在爱尔兰智能电表数据集上进行了仿真实验,并与直接使用BP神经网络进行对比,分析表明,文中所提出的用户用电行为分类分析方法不仅可以提高检测准确率,帮助电力公司更好地掌握用户用电规律,辅助需求响应实施,还能显著降低算法的运行时间。

论文目录

• 0 引言
• 1 基于欠完备自编码器的用户用电行为分类模型
•   1.1 基本原理
•   1.2 编码比率优选
•   1.3 模型改进
• 2 参数优选实验
•   2.1 编码比率和用电特征优选
•   2.2 BP神经网络激活函数对结果的影响分析
•   2.3 BP神经网络隐含层节点数对结果的影响分析
• 3 实验结果与性能分析
• 4 结语

文章来源

类型: 期刊论文

作者: 黄奇峰,杨世海,邓欣宇,陈海文,王守相

关键词: 欠完备自编码器,用户用电行为分析,需求响应,特征挖掘,智能用电,智能电表

来源: 电力工程技术 2019年06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: 国网江苏省电力有限公司电力科学研究院,天津大学智能电网教育部重点实验室

基金: 国家重点研发计划资助项目“城区用户与电网供需友好互动系统”(2016YFB0901100)

分类号: TP183;TM933.4

页码: 24-30

总页数: 7

文件大小: 1351K

下载量: 119