文献类型：期刊文章

作　　者：秦红莲[1,2] 何玉林[1,2] 黄哲学[1,2]

QIN Honglian;HE Yulin;HUANG Zhexue(Big Data Institute, College of Computer Science & Software Engineering, Shenzhen University, Shenzhen 518060, China;National Engineering Laboratory for Big Data System Computing Technology, Shenzhen 518060, China)

机构地区：[1]深圳大学计算机与软件学院大数据技术与应用研究所,深圳518060 [2]深圳大学大数据系统计算技术国家工程实验室,深圳518060

出　　处：《集成技术》

基　　金：国家重点研发计划项目(2017YFC0822604-2);中国博士后科学基金项目(2016T90799);深圳大学新引进教师科研启动项目(2018060)

年　　份：2019

卷　　号：8

期　　号：4

起止页码：42-51

语　　种：中文

收录情况：JST、RCCSE、普通刊

摘　　要：智能电表的迅速普及与应用引起电力消耗数据(即智能电网数据)的激增,这不仅给数据的存储与通信带来了挑战,同时也增加了对数据进行分析的难度。另外,由于生产性质和经营方式的不同,工厂的用电状态往往比较复杂。基于传统经验的人工识别不能满足实际应用的需求,该文研究了一种基于神经网络的工厂用电状态自动识别方法。首先,对采集于真实应用场景的电网大数据进行必要的预处理,包括数据的合并、清洗、标准化、打标和抽样;然后,基于预处理的电网数据构建神经网络模型用于对工厂用电状态的自动识别;最后,对提出的基于神经网络的工厂用电状态识别方法进行实验验证,证实了该方法的合理性和有效性。通过对工厂用电状态的准确识别,能够帮助供电公司指导企业进行错峰用电,进而有效缓解电力供给不平衡的问题,以达到对电能合理开发和利用的目的。

关 键 词：人工智能 神经网络 智能电表 电网数据 用电状态  

分 类 号：TP391]