考虑数据不均衡的居民用户负荷曲线分类方法

作者：张慧波; 王守相; 赵倩宇; 任杰; 王海

来源：电力工程技术, 2022, 41(03): 186-193.

• 负荷曲线分类
• 不均衡数据
• 改进K-means
• 自编码器
• 长短期记忆(LSTM)神经网络
• 卷积神经网络(CNN)

由于用户用电行为的多样性和随机性，负荷数据存在分布不均衡的问题，传统负荷曲线分类方法在处理不均衡数据时性能较差。为此，提出一种改进K-means与长短期记忆(LSTM)神经网络-卷积神经网络(CNN)分类模型结合的负荷曲线分类方法。首先，为提升K-means算法对不均衡数据的聚类效果，基于密度峰值聚类(DPC)算法思想，提出一种相对k近邻密度峰值(RKDP)初始聚类中心选取方法，将其作为K-means算法的初始中心进行聚类；然后，为提高RKDP-K-means处理高维负荷数据的性能，采用LSTM自编码器进行特征降维后再聚类获得精准类别标签；最后，基于LSTM神经网络和CNN分别提取负荷特征构建负荷曲线分类模型，实现对大规模负荷曲线的分类。算例选取了爱尔兰智能电表数据集和伦敦负荷数据集进行实验，验证了所提算法在大规模负荷曲线分类时的有效性和实用性。

• 出版日期2022
• 单位天津大学; 智能电网教育部重点实验室