考虑样本不平衡的并行化用户负荷类型辨识方法

摘要：

电力物联网背景下的态势感知技术,是以电力系统运行数据为驱动,通过对数据信息的获取、理解、分析预测,实现正确的决策与行动.该文针对此背景下对于海量用户负荷类型辨识和用电行为态势感知,提出一种基于MapReduce的并行化长短期记忆网络(parallel long short-term memory,Par-LSTM)的负荷分类方法,该方法通过将负荷数据分割交给多个LSTM并行处理以提高分类速度.并且采用一种考虑样本合成倍率的改进Borderline-SMOTE方法(Borderline-SMOTE considering synthetic multiple, SMB-SMOTE)处理负荷训练样本类别不平衡现象.算例表明,对SMB-SMOTE方法处理样本不平衡后的负荷数据进行Par-LSTM分类,能够有效提高小类负荷样本的分类精度.

关键词：电力物联网、负荷类型辨识、并行化、Par-LSTM、SMB-SMOTE

所属期刊栏目：44

分类号：TM721(输配电工程、电力网及电力系统)

在线出版日期：2020-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：4310-4317