考虑样本不平衡的并行化用户负荷类型辨识方法

作者：刘洋^*; 高丽霞; 刘璐

来源：电网技术, 2020, 44(11): 4310-4317.

DOI：10.13335/j.1000-3673.pst.2020.0116

• 电力物联网
• 负荷类型辨识
• 并行化
• Par-LSTM
• SMB-SMOTE

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(BorderlineSMOTE 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。

• 单位
  中国民用航空飞行学院