基于IPSO-FHMM的非侵入式负荷分解
非侵入式负荷分解是智能用电系统的一个重要环节,可深入分析用户的用电信息,对负荷预测、需求侧管理及电网安全有重要意义.本文提出了一种基于改进粒子群优化因子隐马尔可夫模型(IPSO-FHMM)的非侵入式负荷分解方法.利用高斯混合模型(GMM)对单负荷进行状态聚类,总负载模型由因子隐马尔可夫模型表示.针对Baum-Welch算法容易收敛于局部极值的问题,将线性递减权重的粒子群优化算法引入到FHMM的参数训练中.使用AMPds2数据集进行仿真实验,结果表明,该模型可以有效地提高分解精度.
非侵入式负荷分解、因子隐马尔科夫模型、鲍姆-韦尔奇算法、粒子群算法、高斯混合模型
32
TM715;TP391.41;TN911.7
国家自然科学基金;重庆市教委科技项目;重庆市高校创新研究群体项目;重庆市研究生联合培养基地项目
2023-08-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
214-220