一种基于LSTM模型的电力负荷辨识方法

作者：刘恒勇; 刘永礼; 邓世聪; 史帅彬; 闵若琳; 周东国^*

来源：电测与仪表, 2019, 56(23): 62-69.

DOI：10.19753/j.issn1001-1390.2019.023.010

• 非侵入式
• 负荷辨识
• 深度学习
• LSTM
• RNN

文中针对非侵入式负荷检测技术,提出了一种基于LSTM网络深度学习模型的负荷辨识方法。在该方法中,为避免电压、电流等信号的干扰,提出一种基于高斯窗移动变点寻优算法监测负荷事件,提取谐波分量作为负荷特征标签作为LSTM模型的输入,进而建立起内在信息间的映射关系,并依次进行模型的离线训练与负荷数据的在线辨识,实现对用电设备类型及其运行状态的精准辨识。经实验数据证明所提出的方法能准确完成对用电设备状态的辨识。

• 单位
  武汉大学; 深圳供电局有限公司