基于电器运行状态和深度学习的非侵入式负荷分解
根据不同电器运行状态数的差异,将电器分为状态复杂和状态简单2类.状态复杂电器存在多种工作状态,且前后状态有逻辑关联.因此,利用非基于事件的方法,选择能考虑过去和未来运行状态变化的双向长短期记忆网络对其进行分解,并采用树结构Parzen估计算法选择该网络的超参数以提高训练的精度.状态简单电器仅有开关状态,故利用基于事件的方法获得其投切状态,并选择多层感知器网络识别对应电器种类.最后,利用极大似然优化模型求解电器的功率序列.利用参考能量分解数据集对所提方法进行验证,结果表明该方法增强了负荷分解模型的可拓展性和抗噪声能力,在一定程度上提高了负荷分解的精度.
深度学习、双向长短期记忆网络、多层感知器网络、超参数优化、非侵入式负荷分解
45
TP391.41;TM714;TP183
浙江省自然科学基金;国家自然科学基金;已申请国家发明专利
2021-06-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
49-56