基于颜色编码的非侵入式负荷细粒度识别方法

摘要：

在非侵入式负荷识别任务中,仅使用单一负荷特征对设备进行辨识时,存在特征重叠现象,无法满足对设备进行细粒度分类的需求.为此,该文提出一种基于颜色编码的非侵入式负荷细粒度识别方法.首先,采用Fryze功率理论将高频采样电流分解为有功、无功电流,并对高频采样电压与无功电流进行标准化处理以构建二维U-I轨迹图像.然后,利用颜色编码技术对轨迹图像进行处理,在R、G、B三通道中分别融合有功电流、轨迹变化信息及瞬时功率,得到彩色U-I轨迹图像.最后,构建卷积神经网络,对彩色U-I轨迹图像进行特征提取,实现对设备的分类.在此基础上,文中提出了一种自主学习方法,实现对负荷识别模型自主更新.使用PLAID和WHITED数据集对本算法的识别效果及自主学习方法进行测试.结果表明,文中方法使得U-I轨迹所携带的信息量增加,增强了负荷特征的独特性,从而实现对设备的细粒度识别;自主学习方法能够学习新型电器并更新模型,提升了负荷识别模型场景适应能力.

关键词：细粒度识别、Fryze功率理论、颜色编码、U-I轨迹、卷积神经网络、自主学习

所属期刊栏目：46

分类号：TM721(输配电工程、电力网及电力系统)

在线出版日期：2022-04-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1557-1565,中插45-中插46