典型文献
基于用电行为数字特征画像的电力用户两阶段分类方法
文献摘要：
对用户开展精细化用电行为画像及分类,是电力企业精准掌握用户用电规律、提升服务水平和市场竞争力的关键因素之一.针对当前电力用户分类研究中用户用电行为画像结果片面、集成学习负荷分类研究中的基分类器冗余问题及负荷类别不平衡问题,提出一种基于用电行为数字特征画像的电力用户两阶段分类算法.第一阶段,提出一种结合谱聚类和集成强基分类器的用户日负荷曲线分类算法:首先,针对集成学习基分类器学习能力弱的不足,提出一种基于改进长短期记忆网络(long short-term memory,LSTM)的强基分类器;其次,针对基分类器冗余问题,提出一种基于最小正则化代理经验风险的优化选择集成策略;然后,提出一种基于密度的高斯过采样方法处理类别不平衡.第二阶段,基于负荷曲线分类结果,构建以日负荷模式发生概率为数字特征的用户用电行为画像,采用谱聚类算法对用户画像实施分类.最后,通过实测用户负荷数据验证了所提方法的有效性.
文献关键词：
电力用户分类;数字特征画像;负荷曲线分类;类别不平衡;优化选择集成
中图分类号：
作者姓名：
王磊;刘洋;李文峰;张杰;许立雄;邢哲铭
作者机构：
四川大学电气工程学院,成都市610065;智能电网四川省重点实验室(四川大学) ,成都市610065;国网河南省电力公司经济技术研究院,郑州市450052;大连市大数据中心,辽宁省大连市116000
文献出处：
引用格式：
[1]王磊;刘洋;李文峰;张杰;许立雄;邢哲铭-.基于用电行为数字特征画像的电力用户两阶段分类方法)[J].电力建设,2022(02):70-80
A类：
数字特征画像,用电行为画像,电力用户分类,优化选择集成
B类：
两阶段,分类方法,化用,电力企业,户用,提升服务,市场竞争力,分类研究,集成学习,负荷分类,基分类器,类别不平衡,不平衡问题,分类算法,第一阶段,日负荷曲线分类,长短期记忆网络,long,short,term,memory,正则化,集成策略,基于密度,过采样,采样方法,第二阶段,发生概率,谱聚类算法,用户画像,用户负荷,负荷数据,数据验证
AB值：
0.197554
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
