基于ELM的非侵入式电力负荷识别算法

摘要：

电力负荷识别是需求侧管理的重要环节,为解决传统侵入式负荷监测高成本、不易安装维护的问题,以非侵入式负荷监测为背景研究电力负荷识别算法.从负荷特性出发,针对各电力负荷的暂态及稳态电气特性,提取并建立负荷特征标签.然后,采用极限学习机(ELM)神经网络模型,将输入特征非线性地映射到输入层,实现快速收敛至全局最优点.采用基于累积和(CUSUM)的双边事件检测方法,实现快速准确地检测出负荷投切事件,实时触发负荷识别.最终,以4种常用电力负荷进行实验,结果表明,所提出的负荷识别算法可准确识别出负荷类型,运算效率高,且适用于组合负荷识别.

关键词：非侵入式、负荷识别、极限学习机(ELM)模型、事件检测、累积和(CUSUM)

所属期刊栏目：30

资助基金：国家自然科学基金51777193

在线出版日期：2020-11-17（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：1018-1024