基于Bi-LSTM算法的非侵入式负荷监测模型

• 作者: 何恒靖 周东国 张恒 王灏 肖勇 赵云
• 来源期刊: 南方电网技术
• 学科: 工学
• 关键词: 非侵入式负荷监测 双向长短期记忆网络 特征提取 负荷辨识
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 负荷分析
• 页码范围: 20-26
• 页数: 7页
• 分类号: TM615|TM711
• 字数: 5507字
• 语种: 中文
• DOI: 10.13648/j.cnki.issn1674-0629.2019.02.004

摘要

随着深度学习技术的发展,基于深度学习的非侵入式负荷辨识算法成为了研究热点.本文首次将双向长短期记忆网络(bilateral long-term and short-term memory network,Bi-LSTM)用于负荷辨识,提出了基于Bi-LSTM的非侵入式负荷辨识算法,通过定位负荷事件发生时刻,将负荷运行状态始末的稳态信息(有功功率、无功功率和15次奇偶电流谐波)进行组合作为训练后Bi-LSTM的输入,并使用精确度、召回率、准确率和F1值作为评价指标,实验结果显示该方法能够对小功率和多状态电器进行辨识,相较于长短期记忆网络(long-term and short-term memory network,LSTM)和循环神经网络(recurrent neural network,RNN),Bi-LSTM体现出更强的辨识能力.此外,针对一个时间段存在多个电器运行的情况,提出基于负荷运行状态起止特征匹配的方法,并通过实验证明了该算法的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖勇		46	297	9.0	16.0
2	王灏	武汉大学电气与自动化学院	2	2	1.0	1.0
3	张恒	武汉大学电气与自动化学院	21	60	5.0	7.0
4	何恒靖		6	4	2.0	2.0
5	周东国	武汉大学电气与自动化学院	14	83	4.0	9.0
6	赵云		8	39	3.0	6.0