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...

Full description

Saved in:
Bibliographic Details
Published in电子技术应用 Vol. 49; no. 2; pp. 127 - 132
Main Authors 王毅, 易欢, 李松浓, 冯凌, 刘期烈, 宋如楠
Format Journal Article
LanguageChinese
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
LSTM
变分模态分解
相关系数
智能电网
Online AccessGet full text

Cover

More Information
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