基于特征融合与深度学习的非侵入式负荷辨识算法

• 作者: 王守相 邓欣宇 郭陆阳 陈海文
• 来源期刊: 电力系统自动化
• 关键词: 非侵入式负荷辨识 V-I轨迹 复合特征 深度学习 神经网络
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 学术研究
• 页码范围: 103-110
• 页数: 8页
• 字数: 7545字
• 语种: 中文
• DOI: 10.7500/AEPS20190625010

摘要

针对使用单一设备特征进行负荷辨识存在的局限性,提出了一种基于特征融合与深度学习的非侵入式负荷辨识算法.通过分析设备的高频采样数据提取了V-I轨迹图像特征与功率数值特征.利用人工神经网络的高级特征提取能力,实现了V-I轨迹图像特征与功率数值特征的融合.最后以复合特征作为设备新的特征训练反向传播(BP)神经网络进行非侵入式负荷辨识.使用PLAID数据集对算法辨识效果进行了验证,并对比了不同分类算法对特征融合的有效性与负荷辨识能力.结果表明,该算法利用不同特征之间的互补性,克服了使用V-I轨迹特征无法反映设备功率大小的缺点,从而提高了V-I轨迹特征的负荷辨识能力,并且在嵌入式设备中的运算速度为毫秒级.