基于家庭人口与经济社会因素刻画居民负荷模式
机器学习
2021-06-11 v1
摘要
智能电表的广泛采用使居民负荷数据可得，从而增进了对能耗行为的理解。许多现有研究聚焦于智能电表数据分析，但能耗行为的驱动因素尚不清楚。本文旨在基于用户人口与经济社会信息刻画并估计其负荷模式。我们采用符号聚合近似（SAX）方法处理负荷数据，并使用 K-Means 方法提取关键负荷模式。我们开发了深度神经网络（DNN）来分析用户负荷模式与其人口及经济社会特征间的关系。利用真实负荷数据，我们验证了框架并展示了负荷模式与家庭人口和经济社会特征间的联系。我们还以两个回归模型作为基准进行比较。
引用
@article{arxiv.2106.05858,
title = {Characterizing Residential Load Patterns by Household Demographic and Socioeconomic Factors},
author = {Zhuo Wei and Hao Wang},
journal= {arXiv preprint arXiv:2106.05858},
year = {2021}
}
备注
ACM International Conference on Future Energy Systems (ACM e-Energy) 2021