基于MEFE和GN-CNN的低压台区用户用电行为分析方法

针对电力系统用户侧用电行为复杂、分析困难的问题,提出了一种基于多维增强特征提取(multi-dimensional enhanced feature extraction,MEFE)和群组归一化卷积神经网络(group normalization convolutional neural network,GN-CNN)的低压台区用户用电行为分析方法。首先,利用MEFE构建了基于用电用户的平均日用电量曲线、周内相邻天用电量皮尔逊相关系数和增强夜间用电量的增强型用户用电行为特征;其次,建立了一维GN-CNN的用户用电行为识别模型,实现了用户用电行为准确识别;最后,以江苏泰州某台区96点用电信息采集数据为输入,开展模型优化及方法对比试验,用电行为识别准确率为96.4%,可以为低压台区的电力调度、负荷预测、安全性评估等提供数据支撑。