科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对配用电系统用户数据识别中特征选择困难和单模型分类精度不高的问题，本文提出多模型分层融合的识别方法。首先，设计多尺度联结的递归差分卷积网络对用户数据进行特征提取，使浅层融合的有效信息不会随着层数的增长而消失；其次，改进自适应学习率优化算法训练模型，增加模型分类性能；最后对6种基模型分层加权融合，以阈值划分层级，新定义混淆矩阵的错误样本数确定权值，有效克服了基模型适应度缺陷。融合方法在用户特征库的识别上获得99.43%的准确率，比传统卷积神经网络与加权融合方法的准确率分别提高0.53%、0.47%,实现了对用户数据的特征提取和高准确率识别，有助于提高配用电系统信息处理和智能决策水平，为电力需求侧用户服务和经营管理提供支撑。
-
单位重庆邮电大学; 国网重庆市电力公司电力科学研究院
