基于ELM的非侵入式电力负荷识别算法

• 作者: 周晓 张有兵 李永清
• 来源期刊: 高技术通讯
• 关键词: 非侵入式 负荷识别 极限学习机(ELM)模型 事件检测 累积和(CUSUM)
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 计算机与通信技术
• 页码范围: 1018-1024
• 页数: 7页
• 语种: 中文
• DOI: 10.3772/j.issn.1002-0470.2020.10.004

摘要

电力负荷识别是需求侧管理的重要环节,为解决传统侵入式负荷监测高成本、不易安装维护的问题,以非侵入式负荷监测为背景研究电力负荷识别算法.从负荷特性出发,针对各电力负荷的暂态及稳态电气特性,提取并建立负荷特征标签.然后,采用极限学习机(ELM)神经网络模型,将输入特征非线性地映射到输入层,实现快速收敛至全局最优点.采用基于累积和(CUSUM)的双边事件检测方法,实现快速准确地检测出负荷投切事件,实时触发负荷识别.最终,以4种常用电力负荷进行实验,结果表明,所提出的负荷识别算法可准确识别出负荷类型,运算效率高,且适用于组合负荷识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周晓		38	158	8.0	9.0
2	张有兵		68	857	13.0	28.0
3	李永清		3	3	1.0	1.0