深度神经网络在非侵入式负荷分解中的应用

• 作者: 何光宇 燕续峰 王治华 王芬 翟少鹏
• 来源期刊: 电力系统自动化
• 关键词: 非侵入式负荷监测 电器状态聚类 时间特性模型 深度神经网络
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 人工智能在电力系统及综合能源系统中的应用专辑
• 页码范围: 126-132,167
• 页数: 8页
• 字数: 7783字
• 语种: 中文
• DOI: 10.7500/AEPS20180629004

摘要

负荷监测是智能用电的一个重要环节, 为了实现非侵入式负荷监测, 提出了一种基于深度神经网络的非侵入式负荷分解方法.首先提出了改进的电器状态聚类算法, 通过改进终止条件和增加消除冗余类判据使得聚类结果更符合电器实际运行情况.针对目前研究常用的隐马尔可夫模型的弱时间特性问题, 提出了电器时间特性模型, 综合考虑了电器运行特性和用户使用习惯, 从时间角度对电器进行建模.构建了深度神经网络进行负荷分解, 网络的输入综合考虑了电器状态及时间、功率信息, 采用历史运行数据及时间特性模型生成数据训练网络参数.最后, 在测试数据集上验证了方法的有效性和准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王治华	国网上海市电力公司电力调度控制中心	11	54	4.0	7.0
2	燕续峰	上海交通大学电子信息与电气工程学院	3	16	2.0	3.0
3	翟少鹏	上海交通大学电子信息与电气工程学院	4	16	2.0	4.0
4	何光宇	上海交通大学电子信息与电气工程学院	17	81	6.0	8.0
5	王芬	上海交通大学电子信息与电气工程学院	3	15	2.0	3.0