基于聚类特征及seq2seq深度CNN的家电负荷识别方法研究

文档名：基于聚类特征及seq2seq深度CNN的家电负荷识别方法研究
摘要：非侵入式负荷分解技术能够挖掘用户内部信息获取各用电设备负荷信息,使智能电网更加贴近日常生活,为泛在电力物联网感知层建立提供有效数据.为解决传统非侵入式负荷分解方法输入数据复杂,考虑因素较多,采样硬件要求高以及辨识准确率较低等问题,文章首先利用改进迭代K均值聚类提取用电设备运行状态建立负荷特征集,之后将特征集输入构造的序列到序列的一维深层卷积神经网络模型以及序列到序列的单、双向长短时记忆网络等模型中进行负荷分解挖掘各设备运行状态.最后通过REFITPowerData数据集进行验证,一维深层卷积神经网络模型虽然耗时较大但负荷识别准确率达到93％以上,表明基于特征数据集及序列到序列的一维深层卷积神经网络非侵入式负荷分解方法与其他深度学习模型方法、人工神经网络方法相比表现出更显著的信息提取能力以及辨识能力.

作者：汪繁荣   向堃   吴铁洲 Author：WangFanrong   XiangKun   WuTiezhou
作者单位：湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室,武汉430068;无锡风繁伟业科技有限公司,江苏无锡214171湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室,武汉430068
刊名：电测与仪表 ISTICPKU
Journal：ElectricalMeasurement&Instrumentation
年，卷(期)：2023, 60(10)
分类号：TM714
关键词：非侵入式负荷分解  深度学习  卷积神经网络  序列到序列  特征提取  数据挖掘  
Keywords：non-intrusiveloaddecomposition  deeplearning  convolutionalneuralnetwork  sequencetosequence  fea-tureextraction  datamining  
机标分类号：TP391.41TM765TM925
在线出版日期：2023年10月25日
基金项目：国家自然科学基金基于聚类特征及seq2seq深度CNN的家电负荷识别方法研究[
期刊论文]  电测与仪表--2023, 60(10)汪繁荣  向堃  吴铁洲非侵入式负荷分解技术能够挖掘用户内部信息获取各用电设备负荷信息,使智能电网更加贴近日常生活,为泛在电力物联网感知层建立提供有效数据.为解决传统非侵入式负荷分解方法输入数据复杂,考虑因素较多,采样硬件要求高以...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

        基于聚类特征及seq2seq深度CNN的家电负荷识别方法研究  Research on household appliance load identification method based on clustering features and seq2seq depth CNN

基于聚类特征及seq2seq深度CNN的家电负荷识别方法研究.pdf

2024-12-14 11:25 上传 基于聚类特征及seq2seq深度CNN的家电负荷识别方法研究.pdf

文件大小:

11.78 MB

下载次数:

60

高速下载