考虑类别不平衡的海量负荷用电模式辨识方法

• 作者: 刘洋 李想 王鹏 许立雄
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 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
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 智能电网
• 页码范围: 128-137
• 页数: 10页
• 分类号: TM769
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.190098

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王鹏		169	692	14.0	20.0
2	刘洋		189	780	14.0	20.0
3	许立雄		57	457	12.0	20.0
4	李想		25	15	3.0	3.0