基于先验知识与DBM采样的类不平衡用电数据分类方法

作者：王凯亮; 陆俊^*; 徐志强; 齐增清; 龚钢军; 王赟

来源：电力系统自动化, 2019, 43(20): 57-104.

• 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

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。

• 单位
  湖南经研电力设计有限公司; 电子工程学院; 华北电力大学