考虑样本不平衡的并行化用户负荷类型辨识方法

• 作者: 刘洋 高丽霞 刘璐
• 来源期刊: 电网技术
• 关键词: 电力物联网 负荷类型辨识 并行化 Par-LSTM SMB-SMOTE
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 能源互联网|Energy Internet
• 页码范围: 4310-4317
• 页数: 8页
• 分类号: TM721
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2020.0116

摘要

电力物联网背景下的态势感知技术,是以电力系统运行数据为驱动,通过对数据信息的获取、理解、分析预测,实现正确的决策与行动.该文针对此背景下对于海量用户负荷类型辨识和用电行为态势感知,提出一种基于MapReduce的并行化长短期记忆网络(parallel long short-term memory,Par-LSTM)的负荷分类方法,该方法通过将负荷数据分割交给多个LSTM并行处理以提高分类速度.并且采用一种考虑样本合成倍率的改进Borderline-SMOTE方法(Borderline-SMOTE considering synthetic multiple, SMB-SMOTE)处理负荷训练样本类别不平衡现象.算例表明,对SMB-SMOTE方法处理样本不平衡后的负荷数据进行Par-LSTM分类,能够有效提高小类负荷样本的分类精度.