考虑类别不平衡的海量负荷用电模式辨识方法

摘要：

负荷分类对于负荷预测、电价决策、微网能量管理等具有重要意义.为了处理海量负荷数据,并缓解负荷类别不平衡对分类精度的影响,提出一种基于Hadoop并行计算的考虑类别不平衡的改进反向传播(back propagation,BP)神经网络海量负荷分类方法.首先,引入基于边界的数据合成算法处理类别不平衡负荷数据;其次,使用零均值化方法和批量归一化方法优化传统BP神经网络;最后,在Hadoop平台将该改进BP神经网络并行化,用于海量负荷分类.采用标准数据集和真实负荷数据进行分析测试,算例结果表明所提分类方法适用于海量负荷数据分类,并能较好解决类别不平衡问题.

关键词：改进反向传播神经网络、类别不平衡、边界的数据合成算法(BS)、负荷大数据、Hadoop

所属期刊栏目：40

分类号：TM769(输配电工程、电力网及电力系统)

在线出版日期：2020-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：128-137