基于VMD-LSTM的非侵入式负荷识别方法

作者：王毅; 易欢^*; 李松浓; 冯凌; 刘期烈; 宋如楠

来源：电子技术应用, 2023, 49(02): 127-132.

DOI：10.16157/j.issn.0258-7998.223024

• 变分模态分解
• 智能电网
• LSTM
• 相关系数

非侵入式负荷识别（Non-Intrusive Load Monitoring, NILM）技术仅基于家庭电源总入口处的电流、电压信息，获得室内电器设备的电气信息。提高负荷识别的精度，对于优化能源结构、提高电能利用效率、降低能耗、节约资源具有重要意义。首先应用变分模态分解（Variational Mode Decomposition, VMD）对归一化的电流信号分解为K个IMF分量，再估计各个分量与归一化电流信号的相关系数，挑选相关系数最大的两个分量作为负荷特征，输入训练好的LSTM神经网络进行识别。算例测试结果表明，该方法在公开数据集PLAID上的识别率高达99%，在实验室采集的数据集上的识别率为96.6%，证实了所提出方法对提升负荷识别精度有显著效果。

• 单位
  国网重庆市电力公司电力科学研究院; 重庆邮电大学; 通信与信息工程学院; 中国电力科学研究院