基于Hadoop分布式计算的混合神经网络负荷分类模型

摘要：

为了对电力物联网背景下的海量负荷数据进行精细化分析,从中提取用电模式,提出一种基于Hadoop分布式并行计算的混合神经网络分类模型.首先,基于时间维度的一维卷积神经网络(one-dimensional convolutional neural network,1DCNN)搭建"负荷特征提取器";其次,使用长短期记忆网络(long-short-term memory network,LSTM)搭建"序列分类器";最后,将该"混合神经网络分类方法"在Hadoop平台上搭建,实现算法的并行化运行,以适用于海量负荷曲线的高效辨识.使用标准时序数据与真实负荷数据测试该方法的分类性能,算例结果表明:所提分类方法具有较高的分类精度,经并行化处理后有效提高了负荷数据的处理效率.

关键词：负荷分类、卷积神经网络(CNN)、长短期记忆网络(LSTM)、Hadoop平台、混合神经网络

所属期刊栏目：23

分类号：TM714(输配电工程、电力网及电力系统)

资助基金：中国民用航空飞行学院青年基金项目XJ2020004401

在线出版日期：2023-03-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1549-1556