avatar avatar 我的文献 基于特征融合与深度学习的非侵入式负荷辨识算法 单位 智能电网教育部重点实验室(天津大学) 期刊 电力系统自动化 时间 关键词 非侵入式负荷辨识; V-I轨迹; 复合特征; 深度学习; 神经网络
摘要
针对使用单一设备特征进行负荷辨识存在的局限性,提出了一种基于特征融合与深度学习的非侵入式负荷辨识算法。通过分析设备的高频采样数据提取了V-I轨迹图像特征与功率数值特征。利用人工神经网络的高级特征提取能力,实现了V-I轨迹图像特征与功率数值特征的融合。最后以复合特征作为设备新的特征训练反向传播(BP)神经网络进行非侵入式负荷辨识。使用PLAID数据集对算法辨识效果进行了验证,并对比了不同分类算法对特征融合的有效性与负荷辨识能力。结果表明,本算法利用不同特征之间的互补性,克服了使用V-I轨迹特征无法反映设备功率大小的缺点,从而提高了V-I轨迹特征的负荷辨识能力,并且在嵌入式设备中的运算速度为毫秒级。
下载 浏览 cnki {{liketext}}
©2020 - iData {{ message }} 关闭