基于卷积神经网络的非侵入负荷辨识算法

• 作者: 刘沅昆 史梦洁 张玉天 邓春宇 陈盛
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 非侵入负荷监测 特征识别 卷积神经网络 智能特征学习
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 面向新一代电力系统和能源互联网的人工智能技术
• 页码范围: 2038-2044
• 页数: 7页
• 分类号: TM721
• 语种: 中文
• DOI: 10.13335/j.1000-3673.pst.2019.0653

摘要

非侵入式负荷监测因其实施成本低且对用户干扰小,具有广泛的应用前景.负荷辨识方法是非侵入式复合监测的主要技术难点之一.研究了非侵入式负荷监测模式下基于卷积神经网络的非侵入负荷辨识算法.首先利用局部平均分解算法对采集到的混合信号进行负荷分离,并通过智能学习的方法提取独立负荷特征,建立了能够处理二维图像数据的卷积神经网络模型,将大量典型家电的运行电流数据转换成图片的形式,对卷积神经网络模型进行训练,并基于该模型进行负荷特征提取,从而达到辨识的目的.经过实际采集的用电数据进行仿真实验,结果表明,基于卷积神经网络的负荷辨识准确率高、识别速度快,模型具有良好的泛化能力,能够有效的实现负荷辨识.