徐嘉杰， 卢兆军， 袁飞， 陈光宇

(1.南京工程学院 电力工程学院，江苏 南京 211167；2.国网山东省电力公司，山东 济南 250001；3.国网山东省电力公司泰安供电公司，山东 泰安 271000)

0 引 言

随着电力市场的逐步完善和用户需求侧管理(demand side management, DSM)机制的发展[1]，电力系统负荷分类识别已经成为一项十分重要的基础性工作。负荷预测、负荷定价和负荷建模等工作都需要对负荷类型有一个科学准确的分类[2]。因此，深入研究电力系统负荷分类的方法及应用，有利于及时掌握用电负荷的变化规律和发展趋势，有利于用电负荷的科学管理，还有利于计划用电工作的开展，具有重要的理论意义和现实意义。

现有的负荷分类识别方法，在分类结果和用户负荷特性的考虑等方面存在一些缺陷。一是供电部门对于电力系统用户负荷分类主要依据是用户负荷所属的行业以及用户的经济活动特点，没有考虑到随着电网的发展，用户负荷可能出现新类型，与传统负荷分类方法存在明显的差异；二是传统的负荷预测方法，没有充分考虑用户负荷的实际特性和变化规律，存在着较大的人为因素，降低了分类结果的准确性和合理性。

综上，本文针对现有研究的不足，提出了一种基于深度神经网络(deep neural networks, DNN)和SoftMax分类器的台区负荷分类识别方法，结合已有的典型负荷曲线特征库，实现对台区未知用户的负荷预测，为电网部门需求侧管理提供可靠的支撑。通过对某台区1 200个用户负荷数据进行实证分析，结果表明本文提出的分类方法在算法收敛性、计算时间以及预测精度等方面具有更好的性能。……