基于智能电能表数据的非侵入式负载监测

作者：王晖南; 薛建立; 刘佳易

来源：电测与仪表, 2021, 58(02): 178-182.

DOI：10.19753/j.issn1001-1390.2021.02.028

• 负载监测
• 智能电能表
• 深度学习
• 贝叶斯优化

非侵入式负载监测(Non-Intrusive Load Monitoring,NILM)旨在将家庭总用电分解为含有多个组分的负载信号,以识别出不同用电设备的用电特征并实现异常用电的自动检测。传统方法通常将NILM视为分类问题处理,在忽视了负载中的大量功率波动细节的同时,当用电设备增加时,模型的复杂度大幅上升,从而在实用性上受到限制。针对这一问题,文章提出将NILM作为序列到序列的回归问题,使用长短期记忆网络(Long Short-term Memory,LSTM)学习设备负载中的长期依赖,提高回归性能。此外,引入了非因果结构与贝叶斯参数优化框架,解决模型在处理多状态设备时的问题,提升模型表现。真实的智能电能表数据实验表明,该方法优于当前其他主流方法。

• 单位
  山西省电力公司