案例库 / 电气应用 / 2017 年第 19 期

基于层级实时记忆模型的用电行为预测研究

傅军, 许鑫, 罗迪, 朱天博, 魏志丹

国网冀北电力有限公司电力科学研究院; 北京科技大学计算机与通信工程学院; 北京博望华科科技有限公司

来源期刊电气应用

年份 / 期2017 年第 19 期

页码第 74-78 页

栏目分类方案设计

案例编号DGJZ201719020

入库时间2026-10-19 15:43

全文 920 KB

摘要

电力用户的用电行为数据中蕴含巨大的商业价值。以层级实时记忆理论为基础,利用稀疏离散表征、空间沉积池技术来表征数据中蕴含的特征,使用KNN分类算法构建分类器,对国网冀北公司的大工业用户用电行为数据进行学习,得到电力容量变更行为预测模型,并与其他主流的电力行为预测方法进行比较。实验证明,HTM模型具有更高的准确度,并可在线预测,减少预测过程中的过拟合问题,提高自适应性。

关键词

层级实时记忆空间沉积池稀疏离散表征用电行为预测容量变更

全文预览

若上方预览无法显示，请新窗口打开或下载 PDF。