基于VMD-LSTM的非侵入式负荷识别方法
TM721; 非侵入式负荷识别(Non-Intrusive Load Monitoring,NILM)技术仅基于家庭电源总入口处的电流、电压信息,获得室内电器设备的电气信息.提高负荷识别的精度,对于优化能源结构、提高电能利用效率、降低能耗、节约资源具有重要意义.首先应用变分模态分解(Variational Mode Decomposition,VMD)对归一化的电流信号分解为K个IMF分量,再估计各个分量与归一化电流信号的相关系数,挑选相关系数最大的两个分量作为负荷特征,输入训练好的LSTM神经网络进行识别.算例测试结果表明,该方法在公开数据集PLAID上的识别率高达99%,在实验室采集的数据...
Saved in:
Published in | 电子技术应用 Vol. 49; no. 2; pp. 127 - 132 |
---|---|
Main Authors | , , , , , |
Format | Journal Article |
Language | Chinese |
Published |
重庆邮电大学通信与信息工程学院,重庆400065%国网重庆市电力公司电力科学研究院,重庆400014%国网重庆市电力公司营销服务中心,重庆400014%中国电力科学研究院,北京100192
2023
|
Subjects | |
Online Access | Get full text |
Cover
Loading…
Summary: | TM721; 非侵入式负荷识别(Non-Intrusive Load Monitoring,NILM)技术仅基于家庭电源总入口处的电流、电压信息,获得室内电器设备的电气信息.提高负荷识别的精度,对于优化能源结构、提高电能利用效率、降低能耗、节约资源具有重要意义.首先应用变分模态分解(Variational Mode Decomposition,VMD)对归一化的电流信号分解为K个IMF分量,再估计各个分量与归一化电流信号的相关系数,挑选相关系数最大的两个分量作为负荷特征,输入训练好的LSTM神经网络进行识别.算例测试结果表明,该方法在公开数据集PLAID上的识别率高达99%,在实验室采集的数据集上的识别率为96.6%,证实了所提出方法对提升负荷识别精度有显著效果. |
---|---|
ISSN: | 0258-7998 |
DOI: | 10.16157/j.issn.0258-7998.223024 |