群体主动学习算法的移动电力交易行为研究
来源期刊:控制工程2019年第3期
论文作者:王蕾 焦明海 代勇 张倩
文章页码:484 - 491
关键词:主动学习;K-最近邻;分类算法;电力交易;移动端;
摘 要:移动端电力交易信息服务提升发电企业、售电公司、购电用户的业务规模,市场成员多边交易,实现多品类交易供需互补。分析移动端电力市场成员的交易行为,提出基于群体主动学习的KNN算法。群体主动学习策略有效构造训练集,首先随机分组选择未标记样本构成候选集,其次计算未标记分组样本的个体距离累加平均值的偏差,接着筛选满足偏差支持度的候选集,加入训练集中,最后给出相应的算法步骤。结合移动端电力市场交易数据进行算例分析,计算电力用户满意度、地域、时间、成交电价综合特征的皮尔逊相关系数,分类出相似购电用户。多种算法实验进行对比和性能分析,结果表明:群体主动学习KNN算法的时间和精确度达到预期要求,具有较好的分类效果,适用于移动端电力市场交易行为分析和供需决策。
王蕾1,2,焦明海3,代勇1,2,张倩1,2
1. 南瑞集团有限公司(国网电力科学研究院有限公司)2. 北京科东电力控制系统有限责任公司3. 东北大学计算机科学与工程学院
摘 要:移动端电力交易信息服务提升发电企业、售电公司、购电用户的业务规模,市场成员多边交易,实现多品类交易供需互补。分析移动端电力市场成员的交易行为,提出基于群体主动学习的KNN算法。群体主动学习策略有效构造训练集,首先随机分组选择未标记样本构成候选集,其次计算未标记分组样本的个体距离累加平均值的偏差,接着筛选满足偏差支持度的候选集,加入训练集中,最后给出相应的算法步骤。结合移动端电力市场交易数据进行算例分析,计算电力用户满意度、地域、时间、成交电价综合特征的皮尔逊相关系数,分类出相似购电用户。多种算法实验进行对比和性能分析,结果表明:群体主动学习KNN算法的时间和精确度达到预期要求,具有较好的分类效果,适用于移动端电力市场交易行为分析和供需决策。
关键词:主动学习;K-最近邻;分类算法;电力交易;移动端;