文档名：基于改进卷积神经网络的非侵入负荷辨识方法研究
摘要：非侵入式负荷监测作为客户侧泛在电力物联网重要技术之一,不仅有助于电力公司加强负荷管理,还可以引导用户合理安排负荷的使用,为实现以家庭电力用户为主体的需求侧响应和满足居民用户对精准精益用电服务需求提供了重要的技术支持.对非侵入式负荷监测中低频采样信号分辨率低,负荷特征易重叠,以及卷积神经网络不能有效辨识具有相似波形特征负荷的问题,提出了融合暂态电流波形和时域特征的改进方法,将暂态电流值均方根融合到电流波形图像以提升相似波形特征负荷的辨识正确率.通过实测数据和负荷识别参考数据集(REDD)测试,验证了所提方法的可行性和有效性.
Abstract：Non-intrusiveloadmonitoringisoneoftheimportanttechnologiesoftheubiquitouspowerIoTonthecustomerside,whichnotonlyhelpsthepowercompanytostrengthenloadmanagement,butalsocanguideuserstorationallyar-rangetheuseoftheload.Inordertoachievethedemandsidewithhouseholdpowerusersasthemainbody,itprovidesimportanttechnicalsupportforrespondingtoandsatisfyingthedemandofresidentsforpreciseandleanelectricityservice.Inthispaper,fortheproblemoflowresolutionoflow-frequencysamplingsignalsinnon-intrusiveloadidentifiicationandeasyoverlapofloadcharacteristics,twoconfluenttransientcurrentwaveformsandtime-domaincharacteristicsarepro-posedforconvolutionalneuralnetworksthatcannoteffectivelyidentifyloadswithsimilarwaveformcharacteristics.Oneoftheimprovedmethodsistointegratetherootmeansquare(RMS)ofthetransientcurrentvalueintothecurrentwaveformimage,andtheotheristosuperimposethethresholdjudgmentonthebasisoftheidentificationresultoftheconvolutionalneuralnetworktoimprovetherecognitionaccuracyofthesimilarwaveformfeatureload.Throughthemeasureddataandreferenceenergydisaggregationdataset(REDD)test,thefeasibilityandeffectivenessoftheproposedmethodareveri-fied.
作者：李莉 黄友金 熊炜 汪敏 阳东升 Author：LILi HUANGYoujin XIONGWei WANGMin YANGDongsheng
作者单位：贵州电网有限责任公司电力科学研究院,贵阳550002贵州大学,贵阳550025
刊名：电测与仪表
Journal：ElectricalMeasurement&Instrumentation
年，卷(期)：2024, 61(1)
分类号：TM925
关键词：非侵入式负荷监测 负荷辨识 低频采样 CNN
Keywords：non-intrusiveloadmonitoring loadidentification lowfrequencysampling CNN
机标分类号：TM714TM933TP274
在线出版日期：2024年2月3日
基金项目：国家自然科学基金基于改进卷积神经网络的非侵入负荷辨识方法研究[
期刊论文] 电测与仪表--2024, 61(1)李莉 黄友金 熊炜 汪敏 阳东升非侵入式负荷监测作为客户侧泛在电力物联网重要技术之一,不仅有助于电力公司加强负荷管理,还可以引导用户合理安排负荷的使用,为实现以家庭电力用户为主体的需求侧响应和满足居民用户对精准精益用电服务需求提供了重要...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
基于改进卷积神经网络的非侵入负荷辨识方法研究 Non-intrusive load identification method based on improved convolutional neural network
基于改进卷积神经网络的非侵入负荷辨识方法研究.pdf
- 文件大小:
- 4.37 MB
- 下载次数:
- 60
-
高速下载
|
