一种基于EDDL的非侵入式负荷检测模型

作者：李晨; 夏立典; 章超; 叶杨锋

来源：太赫兹科学与电子信息学报, 2023, 21(11): 1381-1386.

• 电力系统
• 非侵入式
• 负荷检测
• 深度学习
• 事件驱动

针对目前非侵入式负荷检测时存在检测精确度低的问题，提出一种基于事件驱动-深度学习(EDDL)的负荷检测模型。通过零交叉检测电流数据，基于事件驱动机制从大量数据中发现关键事件；将包含关键事件的电流序列转换至图像空间，并代入基于深度学习的负荷检测模型，从而实现端对端的非侵入式负荷检测。实验结果表明，与多分类支持向量机(MSVM)、前馈神经网络(FNN)、卷积神经网络(CNN)和长短时记忆网络(LSTM)模型相比，所提EDDL模型综合性能更优，检测准确率和精确度分别为94.67%和91.76%。仿真结果验证了所提模型可基于事件驱动机制挖掘电流数据，并基于深度学习模型有效提取电流数据特征，从而实现高精确度的非侵入式电力负荷检测。该模型对非侵入式电力负荷检测研究具有一定借鉴作用。