基于图像编码与深度学习的非侵入式负荷识别方法

摘要：

非侵入式负荷识别(non-intrusive load monitoring,NILM)是一种不依赖用户内部装置,仅凭借外部分析工具和手段即可实现用户用电行为自动感知的方法.提高非侵入式负荷识别的精度,对于开展用能监测服务、实现节能降损具有重要意义.提出了一种基于彩色图像编码与深度学习的电力负荷识别方法.该方法首先在传统电压-电流(V-I)灰色轨迹法的基础上,利用双线性插值技术有效解决了像素点不连续的问题;然后考虑了特征之间的互补性,通过构造电流(R)、电压(G)和相位(B)3个通道,将数值特征嵌入灰色V-I轨迹中,从而得到了蕴含丰富电气特征的彩色V-I图像;最后,采用AlexNet深度学习算法对彩色V-I图像和对应设备标签进行有监督的学习,从而实现了不同类别电器设备的有效辨识.算例测试结果表明,提出的负荷识别方法的准确率高达97.7％.该结果充分验证了上述方法的有效性.

关键词：非侵入式;负荷识别;彩色编码;深度学习;V-I轨迹

所属期刊栏目：21

分类号：TM715(输配电工程、电力网及电力系统)

资助基金：广东电网有限责任公司电网规划研究中心研究项目GDKJXM20184328

在线出版日期：2022-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：8901-8908