针对传统非侵入式负荷分解算法准确率低、计算较耗时等问题,在隐马尔科夫模型(HMM)的基础上提出基于行为影响因子的负荷实时分解算法。使用自适应的迭代K-means聚类方法提取负荷状态,并将负荷状态组合成超状态。针对传统HMM没有考虑用电场景时间特性的缺陷,对参数进行时间分段学习。在分解阶段引入用户用电行为模式的影响因子,改进隐马尔科夫齐次假设,并利用维特比算法分解出用户的各个负荷的实时状态。通过公开数据集验证了所提算法的准确性和实时性。
科研之友
微信
新浪微博
Facebook
分享链接
