人工智能技术在用电行为分析中的应用研究

针对人工智能技术在用电行为分析领域的应用问题,构建了基于人工智能技术的用电行为分析架构,其包括离线训练与实时分析两个环节,离线训练实现负荷特征库的构建,实时分析实现在线的负荷识别和用电行为分析。提出基于功率滑动窗口的事件检测方法及基于深度置信网络(Deep Belief Network,DBN)的负荷识别方法,进一步在负荷识别的基础上,实现用电时间、用电量与用电费用等用电行为进行负荷分类计算分析。以某居民用电统计数据进行的仿真分析结果表明,所提出负荷识别方法的识别准确率均大于95 %,性能良好,通过用户用电情况分析为制定节能策略、优化用电计划提供指导。