融合数据分析与深度学习的电力用户行为模式识别与需求响应

黄 钊坤, 卞 锦豪, 黄 一聪
西安市物联网应用实验室

摘要

本文聚焦融合数据分析与深度学习的电力用户行为模式识别与需求响应。首先阐述相关技术基础，接着介绍多源
电力数据的融合与处理流程。构建基于深度学习的行为模式识别模型，制定基于识别结果的需求响应策略。通过实验，在
不同数据集上评估模型性能，并与传统方法对比。结果表明，该方法能有效识别用户行为模式，制定合理需求响应策略，
为电力系统优化运行提供支持。

关键词

数据分析；深度学习；电力用户；行为模式识别；需求响应

参考

[1] 方茂益 , 孙志杰 , 周国鹏 , 谢枫 , 王鹏伍 , 周辛南 . 基

于 FCM 配电侧典型电力日负荷曲线分类研究 [J]. 华北电力

技术 ,2016(11):15-19.

[2] 苏适 , 李康平 , 严玉廷 , 陆海 , 汪新康 , 刘力铭 , 王飞 ,

董凌 . 基于密度空间聚类和引力搜索算法的居民负荷用电模

式分类模型 [J]. 电力自动化设备 ,2018,38(1):129-136.

[3] 朱祥和 . 考虑气象因素的短期负荷预测模型研究 [J].

数学的实践与认识 ,2018,48(3):131-143.

[4] 陈俊艺 , 丁坚勇 , 田世明 , 卜凡鹏 , 朱炳翔 , 黄事成 ,

周凯 . 基于改进快速密度峰值算法的电力负荷曲线聚类分析

[J]. 电力系统保护与控制 ,2018,46(20):85-93.

[5] 魏震波 , 关翔友 , 刘梁豪 . 电网社区结构发现方法及

其应用综述 [J]. 电网技术 ,2020,44(7):2600-2609.