基于深度神经网络和SoftMax分类器的台区负荷分类识别方法

摘要：

随着传统分类分析算法研究的不断深入,台区用电负荷模式的分类识别也在不断发展.提出了一种基于深度神经网络(deep neural networks,DNN)和SoftMax分类器的台区负荷分类识别方法,结合已有的典型负荷曲线特征库,实现对台区未知用户的负荷预测,为电网部门需求侧管理提供可靠的支撑.对某台区1 200个用户负荷数据进行实证分析,结果表明,提出的分类方法在算法收敛性、计算时间以及预测精度等方面具有更好的性能.

关键词：深度神经网络;SoftMax分类器;台区负荷分类;负荷预测;需求侧管理

所属期刊栏目：43

分类号：TM714(输配电工程、电力网及电力系统)

在线出版日期：2022-01-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：102-104,114