深度学习与幅值特征相融合的低频采样非侵入式负荷辨识算法

摘要：

非侵入式负荷监测中虽然高频采样能提高负荷辨识准确率,但对数据采集设备要求高,难以推广,因此,低频采样下负荷辨识方法成为研究热点.以低频采样下负荷投入时的暂态电流波形为特征,采用卷积神经网络算法实现负荷辨识,辨识结果发现CNN对暂态电流波形差异大的负荷辨识准确度高,但是对暂态电流波形相似的负荷识别准确率低,为解决这一问题,在卷积神经网络辨识的基础上,对暂态电流波形相似的负荷,以暂态电流幅值为特征作进一步辨识,以提高辨识准确率.通过使用实测数据进行验证,结果表明所提算法可以很好地克服低频采样下波形特征相似负荷识别准确率低的问题.

关键词：非侵入式负荷辨识、低频采样、波形特征、幅值特征、卷积神经网络

所属期刊栏目：36

分类号：TM925

在线出版日期：2020-07-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：10-16