基于多任务联合模型的居民用电模式分类方法.pdfVIP

2022 年 11 月 电 工 技 术 学 报 Vol.37 No. 21 第 37 卷第 21 期 TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY Nov. 2022 DOI:10.19595/ki.1000-6753.tces.210763 基于多任务联合模型的居民用电模式 分类方法 1 1 1 2 3 徐明杰 赵 健 王小宇 宣 羿 陈伯建 （1. 上海电力大学电气工程学院 上海 200090 2. 国网浙江省电力有限公司杭州供电公司 杭州 310016 3. 国网福建省电力有限公司电力科学研究院 福州 350000 ） 摘要 识别海量居民用户的用电行为模式并进行合理分类，可为需求侧精益化管理提供辅助 决策。该文提出一种基于卷积神经网络自动编码器与层次聚类多任务联合模型的居民用电模式分 类方法。首先，提出基于同时刻量测数据均值的缺失值填补方法和基于季节性极端学生化偏差检 验的异常点检测方法，对海量且高维的用电数据进行数据清洗与修正；其次，利用卷积神经网络 自动编码器对居民用电数据进行特征提取，获取可表征用户用电行为的特征向量；然后，结合层 次聚类算法以及轮廓系数指标确定用户聚类个数以及聚类中心向量，并利用聚类中心向量初始化 神经网络聚类层，进行用户聚类，将特征提取过程与用户聚类过程进行联合，组成多任务学习神 经网络，实现端到端的用电模式分类；最后，结合环境温度和电价影响因素，在实际数据集进行 验证。 关键词：居民负荷 负荷聚类 卷积神经网络 自动编码器 联合模型 中图分类号：TM769; TP193 Residential Electricity Consumption Pattern Classification Method Based on Multi-Task Joint Model Xu Mingjie 1 Zhao Jian 1 Wang Xiaoyu 1 Xuan Yi2 Chen Bojian3 （1. College of Electrical Engineering Shanghai University of Electric Power Shanghai 200090 China 2. Hangzhou Power Supply Company State Grid Zhejiang Electric Power Co. Ltd Hangzhou 310016 China 3. Power Science Research Institute of State Grid Fujian Electric Power Co. Ltd Fuzhou 350000 China ） Abstract Identifying the electricity consumption behavior patterns of massive residential users and then making a reasonable classification, can provide auxiliary decision-making for demand-side lean management. This paper proposes a method of residential electricity consumption pattern classification based on a multi-task joint model of convolutional neural network auto-en