科研之友
微信
新浪微博
Facebook
分享链接
摘要
对家庭场景下电力负荷的精确监测往往依赖复杂庞大的算法模型，难以在边缘设备当中部署。同时，海量电力数据对电力网络通信带来了巨大的挑战。本文针对以上问题，提出了一种分布式非侵入式电力负荷监测方法。通过基于注意力机制的LSTM负荷监测算法计算并识别负荷设备运行状态，借助云边协同技术将负荷监测任务分布式部署于云端以及边缘端当中，解决边缘算力不足问题。针对云边通信带来的高网络带宽需求，通过基于K-SVD双稀疏在线字典学习的压缩感知方法对负荷信号压缩和重构，有效缓解通信资源紧张。对比不同负荷场景下监测算法的表现，结果表明：本文负荷监测算法针对不同的负荷类型均可以保持95%以上准确率。设计实验验证了本文压缩感知方法对电力负荷信号压缩的有效性，确定负荷数据无失真压缩感知最大压缩比。
- 单位
