基于层级实时记忆模型的用电行为预测研究

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。