基于孪生分支网络的非侵入式冲击负荷辨识方法

作者：宋磊; 徐永进; 刁瑞朋; 李亦龙; 陆春光; 王思奎

来源：电测与仪表, 2022, 59(11): 96-104.

DOI：10.19753/j.issn1001-1390.2022.11.013

• 非侵入式负荷辨识
• V-I轨迹
• 孪生分支网络
• ARM

传统边缘侧电力设备无法有效检测出对电网影响较大的冲击性负荷的设备类别与功率启停信息。为此，提出一种基于孪生分支网络的非侵入式冲击负荷辨识方法。通过总线入口处的高频采样数据提取波形的V-I轨迹特征和对角高斯谐波特征；预设多种先验信息对不同设备的冲击负荷特性进行训练，特别地，设计一种基于孪生分支结构的卷积神经网络，利用二分类交叉熵损失函数实现冲击负荷的分类辨识，同时引入最小平方误差损失函数对冲击负荷功率进行分解；使用非侵入式的方式并基于ARM Cortex-M4平台进行算法部署与识别测试。对比不同识别算法对冲击负荷的辨识能力，结果表明，当电网发生大功率冲击性波动时，孪生分支网络可以更准确地识别冲击负荷的设备类别，有效提高了对冲击负荷的辨识效果。

• 单位
  青岛鼎信通讯股份有限公司