利用有限低频信息的居民用户非侵入负荷监测算法

• Published in: 电力自动化设备 Vol. 43; no. 11; pp. 181 - 187
• Main Authors: 冯昌森, 刘攀, 王佳颖, 文福拴, 张有兵
• Format: Journal Article
• Language: Chinese
• Published: 浙江工业大学 信息工程学院,浙江 杭州 310023%国网浙江省电力有限公司营销服务中心,浙江 杭州 311121%浙江大学 海南研究院,海南 三亚 572000 01.11.2023; 浙江大学 电气工程学院,浙江 杭州 310027
• Subjects: 卷积神经网络; 互补集合经验模态分解; non-intrusive load monitoring; event detection; convolutional neural network; complementary ensemble empirical mode decompo-sition; 负荷识别; 非侵入式负荷监测; load identification; 事件检测
• ISSN: 1006-6047
• DOI: 10.16081/j.epae.202304014

TM715; 通过更多信息特征或高频采样技术提高识别准确率的负荷监测算法,会增加信息采样阶段的成本和边缘数据处理的难度,提出一种基于有限低频信息的非侵入式负荷监测算法.设计最佳事件检测器,该检测器根据滑动窗口采集聚合负荷数据,并根据统计特征指标判断电器投切位置;将事件发生前后的功率序列作为识别特征,利用互补集合经验模态分解算法分解出功率序列中的多阶本征模态函数和最终趋势,绘制分解结果的二维图像并将其输入卷积神经网络进行训练和识别,从而实现仅基于有限低频采样信息就可高精确率地识别负荷.基于公开数据集的仿真结果验证了所提算法的有效性.