论文摘要
深度探索用户负荷的用电特性是面向电力大数据趋势下电力市场精细化发展的迫切需求。该文提出一种计及数据类别不平衡的用户负荷典型形态提取模型,适用于电力系统负荷数据量大、缺乏训练标签的情况。首先,通过K-medoids算法将局部数据聚类获取类别标签作为训练集。针对训练集部分类簇数据样本过小,采用基于聚类结果的过采样方法进行类别平衡。负荷数据分类采用基于Spark的分布式神经网络基分类器集成学习方法。最后,通过形态互相关性提取典型负荷形态特征。算例选取模拟日负荷数据和爱尔兰实测负荷数据,对比K-means聚类和K-medoids+串行BPNN分类性能,验证了所提算法的有效性和实用性,同时也证明了该方法对于负荷分类所具有的效率优势。
论文目录
文章来源
类型: 期刊论文
作者: 刘洋,刘洋,许立雄,王剑
关键词: 用电特性,类别不平衡,电力大数据,聚类,过采样技术,集成学习,神经网络
来源: 中国电机工程学报 2019年14期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 四川大学电气工程学院,清华四川能源互联网研究院
分类号: TM714
DOI: 10.13334/j.0258-8013.pcsee.181495
页码: 4093-4104
总页数: 12
文件大小: 1453K
下载量: 687
相关论文文献
- [1].考虑用户负荷类型的含分布式电源的配电网可靠性评估[J]. 电力科学与技术学报 2020(02)
- [2].谈供电营业普查管理及用户负荷管理[J]. 黑龙江科技信息 2014(19)
- [3].大规模供需友好互动系统中用户负荷快速控制技术研究[J]. 电力需求侧管理 2017(S1)
- [4].峰谷分时电价对广西重点行业用户负荷的影响[J]. 广西电力 2015(04)
- [5].贵州典型行业及用户负荷特性分析[J]. 南方能源建设 2020(S1)
- [6].地区电力用户负荷模式聚类分析应用[J]. 机电工程 2008(09)
- [7].用户用电负荷管理系统研究[J]. 中国新技术新产品 2013(18)
- [8].大用户法在电力负荷预测中的应用[J]. 湖北电力 2009(01)
- [9].基于改进FC-IRKM的电力用户负荷分类研究[J]. 电网与清洁能源 2018(09)
- [10].基于特征相关面积的海量用户负荷聚类与集成预测[J]. 电子设计工程 2020(08)
- [11].基于EMD-QRF的用户负荷概率密度预测[J]. 电力系统保护与控制 2019(16)
- [12].基于用电行为综合指标的用户负荷分类研究[J]. 智慧电力 2018(10)
- [13].基于蒙特卡洛法的用户负荷模拟及配电台区负荷预测方法[J]. 农村电气化 2015(12)
- [14].“换灯行动”疏导用户负荷[J]. 中国电力企业管理 2015(11)
- [15].CCHP系统用户负荷特征普适性分析[J]. 工程热物理学报 2019(08)
- [16].用户负荷对载波通信输出信号的影响试验及分析[J]. 电测与仪表 2017(12)
- [17].基于多层聚类的需求侧用户负荷形态分析方法[J]. 水电能源科学 2018(03)
- [18].基于用户负荷的电能表检验周期方案研究[J]. 电测与仪表 2015(S1)
- [19].电力用户负荷模式提取技术及应用综述[J]. 电网技术 2016(03)
- [20].论述大用户负荷管理系统建设与电能计量装置改造[J]. 广东科技 2009(02)
- [21].基于聚类融合技术的电力用户负荷模式提取方法[J]. 电测与仪表 2018(16)
- [22].谈供电营业普查管理及用户负荷管理[J]. 科技创业家 2013(19)
- [23].基于LSTM的用户负荷区间预测方法[J]. 工业控制计算机 2018(04)
- [24].一种面向需求侧管理的用户负荷形态组合分析方法[J]. 电力系统保护与控制 2013(13)
- [25].如何保证低压采集成功率指标[J]. 中国电力企业管理 2015(20)
- [26].分布式光伏发电的概述与构建[J]. 电子技术与软件工程 2016(24)
- [27].基于聚类集成的用户负荷模式识别[J]. 计算机应用与软件 2014(12)
- [28].基于能源互联网的电网报装容量与负荷分析[J]. 集成电路应用 2019(12)
- [29].基于电力用户负荷特性曲线的聚类分析模型设计[J]. 重庆理工大学学报(自然科学) 2018(12)
- [30].考虑样本不平衡的并行化用户负荷类型辨识方法[J]. 电网技术 2020(11)