摘要
本发明提供一种高耗能工业用户负荷分类方法和系统、电子设备、介质,应用于智能用电技术领域。方法包括:考虑负荷变化特性、负荷利用率和用户的电价敏感性,基于各工业用户的日负荷数据确定多维度负荷特征指标;基于卷积自编码器对各工业用户日负荷数据进行时间特征提取,并基于提取的每个工业用户的负荷时间特征和多维度的负荷特征指标确定电力消费特征;将电力消费特征输入自组织映射神经网络确定各输入数据映射到的输出节点;基于每个输出节点对应的输入数据的数量筛选出目标输出节点;以目标输出节点为初始聚类中心进行各工业用户的电力消费特征的聚类。本发明解决了工业负荷聚类过程的聚类效果差和计算量大、处理效率低的问题。
技术关键词
负荷特征
消费特征
工业
节点
指标
初始聚类中心
负荷分类方法
编码器
电力
历史负荷数据
密度
智能用电技术
邻域
开关类设备
均值聚类算法
解码器
组织
系统为您推荐了相关专利信息
智能管理平台
多源异构数据融合
数据上传策略
集成学习技术
随机森林
负荷预测模型
负荷预测指标
电力系统负荷预测
模型训练模块
数据获取模块
工件
小波变换处理方法
图像
实例分割模型
特征提取模块