优化CNN超参数的非侵入式电力负荷识别算法

作者：赵安军; 赵啸; 荆竞; 席江涛; 崔朴方

来源：激光与光电子学进展, 2022, 1-14.

• 非侵入式电力负荷识别
• 深度学习
• 卷积神经网络
• 粒子群优化算法

针对深度学习模型在电力负荷识别中存在的识别率不高、超参数设置等问题，提出粒子群优化算法（Particle swarm optimization,PSO）与卷积神经网络（Convolutional neural network,CNN）相结合的非侵入式电力负荷识别模型（PSO-CNN）。首先，以各电器VI轨迹像素化图像作为CNN输入；其次，分析CNN超参数对模型性能影响，并使用PSO算法寻求最优解以提升模型识别效果；最后，基于PLAID、WHITED公开数据集对PSO-CNN模型进行对比验证。实验结果表明，该模型的识别准确率、F-measures平均值皆优于其他模型，有效降低了设备之间的混淆，具有良好的识别能力与泛化能力。

• 单位
  西安建筑科技大学