基于事件检测与CNN模型的非侵入式负荷识别方法及实现

• 作者: 凌家源 彭勇刚
• 来源期刊: 电工电能新技术
• 关键词: 非侵入式负荷识别 事件检测 卷积神经网络
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 新技术应用|New Technology Application
• 页码范围: 46-54
• 页数: 9页
• 分类号: TM721
• 语种: 中文
• DOI: 10.12067/ATEEE2010034

摘要

非侵入式负荷识别是非侵入式负荷监测的一个重要任务.考虑到实际部署的成本问题,负荷识别的算法常常需要在计算能力与内存受限的设备上运行,因此本文提出了一种基于事件检测和卷积神经网络模型的负荷识别方法并在基于STM32微处理器的嵌入式系统上实现.首先引入带边距的滑动窗口,选取合适的特征值使用霍特林T2检验进行事件检测,对检测到的事件使用卷积神经网络模型进行分类从而实现负荷识别,对训练好的神经网络模型进行压缩后部署到嵌入式设备上,在Blued数据集上对压缩后的算法进行整体性能测试,取得了较好的结果.