基于图像编码与深度学习的非侵入式负荷识别方法

作者：郇嘉嘉; 汪超群^*; 洪海峰; 隋宇; 余梦泽; 潘险险

来源：科学技术与工程, 2021, 21(21): 8901-8908.

• 非侵入式
• 负荷识别
• 彩色编码
• 深度学习
• V-I轨迹

非侵入式负荷识别(non-intrusive load monitoring, NILM)是一种不依赖用户内部装置,仅凭借外部分析工具和手段即可实现用户用电行为自动感知的方法。提高非侵入式负荷识别的精度,对于开展用能监测服务、实现节能降损具有重要意义。提出了一种基于彩色图像编码与深度学习的电力负荷识别方法。该方法首先在传统电压-电流(V-I)灰色轨迹法的基础上,利用双线性插值技术有效解决了像素点不连续的问题;然后考虑了特征之间的互补性,通过构造电流(R)、电压(G)和相位(B)3个通道,将数值特征嵌入灰色V-I轨迹中,从而得到了蕴含丰富电气特征的彩色V-I图像;最后,采用AlexNet深度学习算法对彩色V-I图像和对应设备标签进行有监督的学习,从而实现了不同类别电器设备的有效辨识。算例测试结果表明,提出的负荷识别方法的准确率高达97.7%。该结果充分验证了上述方法的有效性。

• 单位
  广东电网有限责任公司; 浙江大学