基于先验知识与DBM采样的类不平衡用电数据分类方法
智能电网建设过程中现有客户标签体系不够完善,针对海量用户用电数据的分类管理中带有标签的样本数据量小以及类不平衡分布的问题,提出了一种基于先验知识与深度玻尔兹曼机(DBM)采样的不平衡用电数据分类方法.首先,提取负荷曲线的特征,建立采样原则,利用先验知识和DBM对负荷曲线进行采样.然后,将采样数据通过极限学习机(ELM)网络进行训练.最后以爱尔兰用户用电数据为数据源,通过与原始非采样、随机过采样、合成少数类过采样技术(SMOTE)的对比性实验分析结果表明,所提出的基于先验知识与DBM采样的不平衡用电数据分类方法能够更好地对类不平衡用电数据集进行分类,实现用户用电行为的分析,有效支撑用户侧错峰避峰工作.
类不平衡数据、用户行为分析、深度学习、先验知识、深度玻尔兹曼机
43
国网湖南省电力有限公司科技项目SGHNJY00JHQT190128
2019-11-21(万方平台首次上网日期,不代表论文的发表时间)
共9页
57-64,104