一种关联RNN模型的非侵入式负荷辨识方法

• 作者: 刘恒勇 史帅彬 周东国 徐旭辉 胡文山 闵若琳
• 来源期刊: 电力系统保护与控制
• 关键词: 非侵入式 负荷辨识 深度学习 事件检测 RNN
• 年，卷（期）: 2019,（13）
• 所属期刊栏目: 工程应用
• 页码范围: 162-170
• 页数: 9页
• 字数: 6255字
• 语种: 中文
• DOI: 10.19783/j.cnki.pspc.180785

摘要

为了进一步拓展监督学习方法在非侵入式负荷辨识中的应用,提出了一种关联循环神经网络(Recurrent Neural Networks,RNN)模型的负荷辨识方法.在该方法中,首先引入了时间窗负荷事件检测方法,提取谐波分量作为负荷特征,并将负荷特征作为RNN模型的输入.然后根据其对历史输入特征量的记忆建立由输入映射到输出的内在关联,从而建立面向时间序列输入的RNN负荷辨识方法.进一步地,为了避免"梯度消失"问题,选择了最佳的激活函数和损失函数.最后,通过单负荷辨识、多负荷辨识的实测实验,证实了所提关联RNN模型的负荷辨识方法能够有效地实现用户内部负荷设备状态的辨识要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡文山	武汉大学动力与机械学院	30	204	8.0	13.0
2	史帅彬		17	28	2.0	4.0
3	周东国	武汉大学动力与机械学院	14	83	4.0	9.0
4	刘恒勇		7	32	2.0	5.0
5	徐旭辉		4	4	1.0	2.0
6	闵若琳	武汉大学动力与机械学院	2	2	1.0	1.0