基于Mean-shift聚类和孪生网络的非侵入式负荷辨识方法

作者:石少青; 张乐平; 张本松; 吴昊文; 连新凯*; 杜书帅
来源:电气传动, 2022, 52(24): 67-74.
DOI:10.19457/j.1001-2095.dqcd23589

摘要

为了面向智能电表负荷辨识技术的推广应用,提出一种基于Mean-shift聚类和孪生网络的非侵入式负荷聚类辨识方法,该方法针对所检测到的负荷事件,提取有功-无功等电量特征,并将其按运行时刻和运行时长进行细分,获得负荷事件在时间特征上的分布,并作为辅助特征。其次,对时间特征采用Mean-shift进行聚类,得到具有相同时间特征的负荷类别,并采用孪生网络与负荷特征数据库匹配识别,最终实现负荷辨识。最后,通过实际家庭用户的负荷数据测试,实验证明了所提方法能够有效辨识用户家庭内部的负荷类别,从而为智能电表负荷辨识推广奠定基础。

全文