一种基于LSTM模型的电力负荷辨识方法

• 作者: 刘恒勇 刘永礼 史帅彬 周东国 邓世聪 闵若琳
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: 非侵入式 负荷辨识 深度学习 LSTM RNN
• 年，卷（期）: 2019,（23）
• 所属期刊栏目: 智能电网
• 页码范围: 62-69
• 页数: 8页
• 分类号: TM714
• 字数: 5438字
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2019.023.010

摘要

文中针对非侵入式负荷检测技术,提出了一种基于LSTM网络深度学习模型的负荷辨识方法.在该方法中,为避免电压、电流等信号的干扰,提出一种基于高斯窗移动变点寻优算法监测负荷事件,提取谐波分量作为负荷特征标签作为LSTM模型的输入,进而建立起内在信息间的映射关系,并依次进行模型的离线训练与负荷数据的在线辨识,实现对用电设备类型及其运行状态的精准辨识.经实验数据证明所提出的方法能准确完成对用电设备状态的辨识.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓世聪		24	108	6.0	10.0
2	史帅彬		17	28	2.0	4.0
3	刘永礼		6	14	2.0	3.0
4	周东国	武汉大学动力与机械学院	14	83	4.0	9.0
5	刘恒勇		7	32	2.0	5.0
6	闵若琳	武汉大学动力与机械学院	2	2	1.0	1.0