深度神经网络在非侵入式负荷分解中的应用.PDF

第 卷 第 期 年 月 日 , 43 1 2019 1 10 Vol.43No.1Jan.102019 : / DOI10.7500AEPS20180629004 深度神经网络在非侵入式负荷分解中的应用 1 1 2 1 1 , , , , 燕续峰 翟少鹏 王治华 王 芬 何光宇 ( , ; , ) 1.上海交通大学电子信息与电气工程学院 上海市 200240 2.国网上海市电力公司电力调度控制中心 上海市 200122 : , , 摘要 负荷监测是智能用电的一个重要环节 为了实现非侵入式负荷监测 提出了一种基于深度神 。 , 经网络的非侵入式负荷分解方法 首先提出了改进的电器状态聚类算法 通过改进终止条件和增 。 加消除冗余类判据使得聚类结果更符合电器实际运行情况 针对目前研究常用的隐马尔可夫模型 , , , 的弱时间特性问题 提出了电器时间特性模型 综合考虑了电器运行特性和用户使用习惯 从时间 。 , 角度对电器进行建模 构建了深度神经网络进行负荷分解 网络的输入综合考虑了电器状态及时 、 , 。 , 间 功率信息 采用历史运行数据及时间特性模型生成数据训练网络参数 最后 在测试数据集上 验证了方法的有效性和准确性。 : ; ; ; 关键词 非侵入式负荷监测 电器状态聚类 时间特性模型 深度神经网络 , 0 引言 能实现功率的低频采样 因而目前的研究主要围绕 。 以有功为主的电器低频特征 在非侵入式功率分解 , 智能用电是智能电网的研究热点 其关键技术 , ( 问题中 最常用的方法是隐马尔可夫模型 hidden 之 一 是 高 级 量 测 体 系 (advanced metering , )。 [] 文献 提出了一种条件 MarkovmodelHM