基于社会经济与智能电表数据的居民能源消费模式机器学习挖掘方法
机器学习
2021-11-03 v2 人工智能
数值分析
数值分析
摘要
智能电表数据分析有助于电力系统的更好规划与运行。本研究旨在利用机器学习，基于消费与人口统计数据，从社会经济视角识别居民能源消费模式的驱动因素。我们通过代表性负荷对消费模式进行建模，并揭示负荷模式与社会经济特征之间的关系。具体而言，我们分析真实世界的智能电表数据，并以鲁棒的方式通过聚类提取负荷模式。我们进一步识别影响负荷模式的社会经济属性，以提升方法的可解释性。消费者负荷模式与所选社会经济特征之间的关系通过机器学习模型进行刻画。研究结果如下：(1) 十二个负荷簇（其中六个为工作日、六个为周末）呈现出多样化的生活方式模式以及工作日与周末之间的差异。(2) 在各类社会经济特征中，年龄与受教育程度被认为会影响负荷模式。(3) 我们提出的采用特征选择与机器学习的分析模型，在映射负荷模式与社会经济特征关系方面被证明比 XGBoost 与传统神经网络模型更有效。
引用
@article{arxiv.2104.05154,
title = {Machine Learning Approach to Uncovering Residential Energy Consumption Patterns Based on Socioeconomic and Smart Meter Data},
author = {Wenjun Tang and Hao Wang and Xian-Long Lee and Hong-Tzer Yang},
journal= {arXiv preprint arXiv:2104.05154},
year = {2021}
}