基于智能电能表数据的非侵入式负载监测

摘要：

非侵入式负载监测(Non-Intrusive Load Monitoring,NILM)旨在将家庭总用电分解为含有多个组分的负载信号,以识别出不同用电设备的用电特征并实现异常用电的自动检测.传统方法通常将NILM视为分类问题处理,在忽视了负载中的大量功率波动细节的同时,当用电设备增加时,模型的复杂度大幅上升,从而在实用性上受到限制.针对这一问题,文章提出将NILM作为序列到序列的回归问题,使用长短期记忆网络(Long Short-term Memory,LSTM)学习设备负载中的长期依赖,提高回归性能.此外,引入了非因果结构与贝叶斯参数优化框架,解决模型在处理多状态设备时的问题,提升模型表现.真实的智能电能表数据实验表明,该方法优于当前其他主流方法.

关键词：负载监测、智能电能表、深度学习、贝叶斯优化

所属期刊栏目：58

分类号：TM714(输配电工程、电力网及电力系统)

资助基金：国家电网公司科技项目KJ18-1-39

在线出版日期：2021-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：178-182