共 27 条
- [3] 基于LSTM与XGBoost组合模型的超短期电力负荷预测[J]. 电网技术, 2020, 44 (02) : 614 - 620陈振宇刘金波李晨季晓慧李大鹏黄运豪狄方春高兴宇徐立中
基于机器学习的用电数据分析
被引：2
作者：
李特
论文数: 0 引用数: 0
h-index: 0
机构: 国网河北省电力有限公司信息通信分公司
张家驹
论文数: 0 引用数: 0
h-index: 0
机构: 国网河北省电力有限公司信息通信分公司
赵炜
论文数: 0 引用数: 0
h-index: 0
机构: 国网河北省电力有限公司信息通信分公司
侯泽鹏
论文数: 0 引用数: 0
h-index: 0
机构: 国网河北省电力有限公司信息通信分公司
机构：
[1] 国网河北省电力有限公司信息通信分公司
来源：
关键词：
机器学习;
用电数据;
负荷聚类;
负荷预测;
非侵入式负荷分解;
D O I：
暂无
中图分类号：
TM715 [电力系统规划];
TP181 [自动推理、机器学习];
学科分类号：
摘要：
机器学习通过学习已有大量的数据形成预测及判断,能够挖掘数据内在价值,在用电数据分析领域取得丰富成果。基于对机器学习算法应用于用电数据分析的有效分析,给出应用机器学习算法进行用电数据分析的整体分析框架,重点分析应用机器学习算法在非侵入式负荷分解、负荷曲线聚类以及负荷预测3个应用的研究现状,并且针对每种应用给出了研究建议。
引用
收藏
页码：17 / 21
页数：5
相关论文
共 27 条
- [1] 基于EEMD-GRU-MLR的短期电力负荷预测[J]. 电网技术, 2020, 44 (02) : 593 - 602邓带雨论文数: 引用数: h-index:机构:李坚论文数: 引用数: h-index:机构:张真源论文数: 引用数: h-index:机构:滕予非论文数: 引用数: h-index:机构:黄琦黄琦论文数: 0 引用数: 0 h-index: 0机构: 电子科技大学机械与电气工程学院 电子科技大学机械与电气工程学院
- [2] 基于边缘嵌入深度学习的非侵入式负荷分解方法[J]. 电网技术, 2019, 43 (12) : 4329 - 4337刘耀先论文数: 引用数: h-index:机构:孙毅孙毅论文数: 0 引用数: 0 h-index: 0机构: 华北电力大学电气与电子工程学院李彬李彬论文数: 0 引用数: 0 h-index: 0机构: 华北电力大学电气与电子工程学院黄婷黄婷论文数: 0 引用数: 0 h-index: 0机构: 华北电力大学电气与电子工程学院
- [3] 基于LSTM与XGBoost组合模型的超短期电力负荷预测[J]. 电网技术, 2020, 44 (02) : 614 - 620陈振宇陈振宇论文数: 0 引用数: 0 h-index: 0机构: 电力调度自动化技术研究与系统评价北京市重点实验室(中国电力科学研究院有限公司) 国家电网有限公司大数据中心 电力调度自动化技术研究与系统评价北京市重点实验室(中国电力科学研究院有限公司)刘金波刘金波论文数: 0 引用数: 0 h-index: 0机构: 国家电网有限公司国家电力调度控制中心 电力调度自动化技术研究与系统评价北京市重点实验室(中国电力科学研究院有限公司)李晨李晨论文数: 0 引用数: 0 h-index: 0机构: 中国地质大学(北京)信息工程学院 电力调度自动化技术研究与系统评价北京市重点实验室(中国电力科学研究院有限公司)季晓慧季晓慧论文数: 0 引用数: 0 h-index: 0机构: 中国地质大学(北京)信息工程学院 电力调度自动化技术研究与系统评价北京市重点实验室(中国电力科学研究院有限公司)李大鹏李大鹏论文数: 0 引用数: 0 h-index: 0机构: 电力调度自动化技术研究与系统评价北京市重点实验室(中国电力科学研究院有限公司) 电力调度自动化技术研究与系统评价北京市重点实验室(中国电力科学研究院有限公司)黄运豪黄运豪论文数: 0 引用数: 0 h-index: 0机构: 电力调度自动化技术研究与系统评价北京市重点实验室(中国电力科学研究院有限公司) 电力调度自动化技术研究与系统评价北京市重点实验室(中国电力科学研究院有限公司)狄方春狄方春论文数: 0 引用数: 0 h-index: 0机构: 电力调度自动化技术研究与系统评价北京市重点实验室(中国电力科学研究院有限公司) 电力调度自动化技术研究与系统评价北京市重点实验室(中国电力科学研究院有限公司)高兴宇高兴宇论文数: 0 引用数: 0 h-index: 0机构: 中国科学院微电子研究所 电力调度自动化技术研究与系统评价北京市重点实验室(中国电力科学研究院有限公司)徐立中徐立中论文数: 0 引用数: 0 h-index: 0机构: 不详 电力调度自动化技术研究与系统评价北京市重点实验室(中国电力科学研究院有限公司)
- [4] 基于PLA-GDTW支持向量机的非侵入式负荷监测方法[J]. 电网技术, 2019, 43 (11) : 4185 - 4193牟魁翌牟魁翌论文数: 0 引用数: 0 h-index: 0机构: 四川大学电气信息学院杨洪耕论文数: 引用数: h-index:机构:
- [5] 基于特征融合与深度学习的非侵入式负荷辨识算法[J]. 电力系统自动化, 2020, 44 (09) : 103 - 110王守相王守相论文数: 0 引用数: 0 h-index: 0机构: 智能电网教育部重点实验室(天津大学)郭陆阳论文数: 引用数: h-index:机构:陈海文论文数: 引用数: h-index:机构:邓欣宇论文数: 引用数: h-index:机构:
- [6] 基于深度序列翻译模型的非侵入式负荷分解方法[J]. 电网技术, 2020, 44 (01) : 27 - 37任文龙论文数: 引用数: h-index:机构:许刚许刚论文数: 0 引用数: 0 h-index: 0机构: 华北电力大学电气与电子工程学院
- [7] 利用卷积神经网络支持向量回归机的地区负荷聚类集成预测[J]. 电网技术, 2020, 44 (06) : 2237 - 2244沈兆轩论文数: 引用数: h-index:机构:袁三男袁三男论文数: 0 引用数: 0 h-index: 0机构: 上海电力大学电子与信息工程学院
- [8] 基于深度脊波神经网络的电力系统短期负荷预测模型[J]. 电力系统及其自动化学报, 2020, 32 (04) : 57 - 61+68岳远波论文数: 引用数: h-index:机构:撖奥洋论文数: 引用数: h-index:机构:张智晟张智晟论文数: 0 引用数: 0 h-index: 0机构: 青岛大学电气工程学院 青岛大学电气工程学院
- [9] 计及数据类别不平衡的海量用户负荷典型特征高性能提取方法[J]. 中国电机工程学报, 2019, 39 (14) : 4093 - 4104刘洋论文数: 引用数: h-index:机构:刘洋论文数: 引用数: h-index:机构:许立雄论文数: 引用数: h-index:机构:王剑论文数: 引用数: h-index:机构:
- [10] 基于深度长短时记忆网络的区域级超短期负荷预测方法[J]. 电网技术, 2019, 43 (06) : 1884 - 1892张宇帆论文数: 引用数: h-index:机构:艾芊论文数: 引用数: h-index:机构:林琳论文数: 引用数: h-index:机构:袁帅论文数: 引用数: h-index:机构:李昭昱李昭昱论文数: 0 引用数: 0 h-index: 0机构: 电力传输与功率变换控制教育部重点实验室(上海交通大学) 电力传输与功率变换控制教育部重点实验室(上海交通大学)