基于结构化特征图谱的组合支持向量机非侵入式负荷辨识.pdfVIP

第46 卷 第12 期 2022 年6 月25 日 Vol.46No.12 Jun.25,2022 DOI：10.7500/AEPS20210924004 基于结构化特征图谱的组合支持向量机非侵入式负荷辨识 1 1 1 1 2 武 昕 ，严 萌 ，郭一凡 ，黄楷焱 ，焦 点 （1. 华北电力大学电气与电子工程学院，北京市 102206；2. 北京电力经济技术研究院有限公司，北京市 100008） 摘要：非侵入式负荷监测是获取负荷数据、实现负荷感知的有效途径。为了使非侵入式负荷监测 过程具有通用性和实用性，在不干扰用户情况下自动执行流程并达到高辨识精度，研究了一种结构 化特征图谱下的组合支持向量机辨识方法。构建典型负荷的特征图谱将变化无序的波形数据转化 为结构化特征数据，使其具有通用性与可分性。在结构化特征图谱基础上，研究构建典型负荷的支 持向量机分类器模型，在基分类器基础上形成每类负荷的组合支持向量机分类器，利用“集弱成强” 思想保证每类组合分类器具有高分类准确率，从而实现准确的负荷辨识。在构建形成通用的图谱 与分类器模型基础上，即可通过事件波形提取、波形数据结构化及分类器判决的处理流程实现实时 的非侵入式负荷辨识。通过实际采集的负荷数据进行验证，构建了典型负荷的特征图谱，基于组合 支持向量机模型对多户的采集数据进行分类判决，对不同用户的负荷数据均达到了高准确率辨识， 验证了该方法具有较好的通用性与有效性。 关键词：非侵入式负荷监测；特征图谱；特征知识加工；组合支持向量机；负荷辨识 0 引言 归图块用于负荷识别，在工业数据集LILACD和居 民数据集PLAID中进行验证，能够提高负荷识别准 能源革命与工业物联网的发展促使电力系统的 确率。文献［6］提出了一种无监督的负荷监测结果 运行环境与产业模式发生巨大变革，快速推动传统 ［1］ 标注方法，利用少量电器的先验知识实现了2个家 电网向以新能源为主体的新型电力系统转变 ，促 庭负荷类别的标注。文献［7］通过Karhunen- Loève 进能源体系由高耗能向低碳绿色转变。灵活调度需 展开的迭代方法提高频谱分解的分辨率，并利用快 求侧资源能够推动信息与电能的双向互动，进一步 速反卷积技术进行功率分解。文献［8-9］利用颜色 挖掘需求侧资源的潜力有助于实现对清洁能源的高 ［2］ 编码将负荷V-I轨迹转化为视觉表示，利用预先训 效利用 。需求侧用电管理与能效优化是保障需求 练的神经网络实现负荷辨识 ，在 PLAID 和 侧资源具有灵活调节能力的重要一环，对于缓解电 WHITED数据集上均获得了较高的识别精度。文 力供应紧张具有重要意义。负荷监测是用电管理的 献［10］构建多目标粒子群对负荷分解模型进行优 关键技术，有助于提高用户用电效率，优化需求侧资 化，选用WHITED数据集中的常用负荷生成聚合 源配置，同时也是电网实现智能化、互动化的关键 ［3］ 电流，获得了较高的分解精度。文献［11-13］提出了 之一 。