考虑辨识结果连续性的Type-Ⅲ型工商业负荷辨识方法

作者：段晶; 李勇^*; 张振宇; 李巍巍; 蒋林; 李磊

来源：电力系统自动化, 2021, 45(24): 65-72.

• 非侵入式负荷辨识
• 互信息
• 残差神经网络
• 隐马尔可夫模型

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。

• 单位
  湖南大学