典型文献
基于多任务联合模型的居民用电模式分类方法
文献摘要：
识别海量居民用户的用电行为模式并进行合理分类,可为需求侧精益化管理提供辅助决策.该文提出一种基于卷积神经网络自动编码器与层次聚类多任务联合模型的居民用电模式分类方法.首先,提出基于同时刻量测数据均值的缺失值填补方法和基于季节性极端学生化偏差检验的异常点检测方法,对海量且高维的用电数据进行数据清洗与修正;其次,利用卷积神经网络自动编码器对居民用电数据进行特征提取,获取可表征用户用电行为的特征向量;然后,结合层次聚类算法以及轮廓系数指标确定用户聚类个数以及聚类中心向量,并利用聚类中心向量初始化神经网络聚类层,进行用户聚类,将特征提取过程与用户聚类过程进行联合,组成多任务学习神经网络,实现端到端的用电模式分类;最后,结合环境温度和电价影响因素,在实际数据集进行验证.
文献关键词：
居民负荷;负荷聚类;卷积神经网络;自动编码器;联合模型
中图分类号：
作者姓名：
徐明杰;赵健;王小宇;宣羿;陈伯建
作者机构：
上海电力大学电气工程学院 上海 200090;国网浙江省电力有限公司杭州供电公司 杭州 310016;国网福建省电力有限公司电力科学研究院 福州 350000
文献出处：
引用格式：
[1]徐明杰;赵健;王小宇;宣羿;陈伯建-.基于多任务联合模型的居民用电模式分类方法)[J].电工技术学报,2022(21):5490-5502
A类：
B类：
联合模型,居民用电,用电模式,模式分类,分类方法,居民用户,用电行为模式,合理分类,需求侧,精益化管理,辅助决策,自动编码器,量测数据,缺失值填补,填补方法,学生化,异常点检测,高维,用电数据,数据清洗,征用,户用,特征向量,结合层,层次聚类算法,轮廓系数,用户聚类,聚类个数,聚类中心,心向,初始化,网络聚类,多任务学习,端到端,合环,电价,实际数据,居民负荷,负荷聚类
AB值：
0.359134
相似文献
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。
