考虑数据不均衡的居民用户负荷曲线分类方法

考虑数据不均衡的居民用户负荷曲线分类方法
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。

标题：
考虑数据不均衡的居民用户负荷曲线分类方法
Residential user load curve classification method considering data imbalance

作者：
张慧波，王守相，赵倩宇，任杰，王海
ZHANG Huibo, WANG Shouxiang, ZHAO Qianyu, REN Jie, WANG Hai

关键词：
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)
load curve classification;imbalanced data;improved K-means;auto-encoder;long short term memory (LSTM) neural network;convolutional neural network (CNN)

2025-1-23 19:53 上传 考虑数据不均衡的居民用户负荷曲线分类方法.pdf

文件大小:

1.48 MB

下载次数:

60

高速下载