考虑辨识结果连续性的Type-Ⅲ型工商业负荷辨识方法
非侵入式负荷监测技术可以引导用户合理安排用电时间,从而减少电量消耗.其中,由于状态的连续可变性,连续变化(Type-Ⅲ)型负荷的辨识一直是非侵入式负荷监测中难以解决的问题之一.针对Type-Ⅲ型负荷的辨识难题,提出了基于深度卷积神经网络(CNN)和隐马尔可夫模型(HMM)的非侵入式负荷辨识算法.首先,根据互信息理论进行负荷特征选择;然后,利用残差神经网络作为深度CNN的基本架构,提取负荷多维特征并实现Type-Ⅲ型负荷的初辨识;最后,为了解决CNN辨识结果中存在的状态断点问题,采用HMM完成负荷辨识结果的连续性优化.在复杂的工商业运行环境中,对具有代表性的Type-Ⅲ型负荷数据进行了算法训练和验证,结果表明所提算法能有效辨识Type-Ⅲ型工商业负荷的运行状态.
非侵入式负荷辨识;互信息;残差神经网络;隐马尔可夫模型
45
国家重点研发计划政府间国际科技创新合作重点专项资助项目;国家自然科学基金资助项目;湖湘高层次人才聚集工程资助项目
2021-12-28(万方平台首次上网日期,不代表论文的发表时间)
共8页
65-72