基于CNN-BiLSTM与DTW的非侵入式住宅负荷监测方法

摘要：

为减少居民生活用电浪费现象,非侵入式负荷监测技术显示出其重要性.基于事件检测的情况下,该文提出一种基于卷积神经网络耦合双向长短时记忆神经网络(convolutional neural networks and Bi-directional long short-term memory,CNN-BiLSTM)与动态时间规划(dynamic time warping,DTW)的非侵入式住宅负荷监测方法.首先通过概率质量函数计量负荷的运行状态信息,提取出稳态运行时的U-I特性曲线图;然后将图片归一化为统一格式的灰度图,利用卷积神经网络提取出特征向量作为负荷印记;将其输入至双向长短时记忆神经网络中进行辨识,并利用动态时间规划算法优化辨识结果,实现高精度的负荷辨识.最后,利用PLAID公开数据集对于所提算法进行仿真验证,实验证明所选负荷印记具有良好的辨识性能,辨识算法相比对比算法具有更高的信度与准确率.

关键词：非侵入式负荷监测、U-I特性曲线、卷积神经网络、双向长短时记忆神经网络、动态时间规划

所属期刊栏目：46

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金;上海市科委项目

在线出版日期：2022-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1973-1981