科研之友
微信
新浪微博
Facebook
分享链接
摘要
非侵入式负荷分解是智能电网用户侧能量管理的关键技术,但对低频采样获取到的功率数据进行分解时,会有样本数量少和特征重叠等问题。针对上述问题,提出了一种低频功率数据处理和深度学习相结合的负荷分解方法。数据处理主要包括数据筛选和数据增强两大部分,前者通过检测功率跳变事件提取出电器的有效区段,后者用人工合成训练数据的方法扩充了样本集的数量。随后利用深度学习中擅长挖掘序列信息的LSTM网络自动提取功率特征,建立输入与输出的非线性关系。最后,在深度学习框架PyTorch下验证该方法在非侵入式负荷分解问题上的有效性。
- 单位
