基于粒子群算法搜索的非侵入式电力负荷分解方法 被引量：37

1

作者 李如意 黄明山 +2 位作者 周东国 周洪 胡文山 《电力系统保护与控制》 EI CSCD 北大核心 2016年第8期30-36,共7页

非侵入式电力负荷分解是根据入口处电流、电压信号进行用电负荷辨识的一种方法。然而,由于电流、电压波动等因素干扰,单一特征所得到的分解结果通常会与实际用电设备投切结果不一致。为了可靠地提升在线非侵入式电力负荷分解能力,构建... 非侵入式电力负荷分解是根据入口处电流、电压信号进行用电负荷辨识的一种方法。然而,由于电流、电压波动等因素干扰,单一特征所得到的分解结果通常会与实际用电设备投切结果不一致。为了可靠地提升在线非侵入式电力负荷分解能力,构建了基于谐波的电流特征表达并结合功率两个特征作为设备投切状态辨识的目标函数。同时,引入了正态分布的度量函数,将其融合并作为粒子群(Particle Swarm Optimization,PSO)算法的适应度函数,以此寻找最佳的电力负荷分解结果。最终,通过实验室开发的非侵入式负荷分解装置进行实验。实验结果表明所述方法能获得更好的在线电力负荷分解能力。 展开更多

关键词 非侵入式 电力负荷分解 粒子群算法 适应度函数

下载PDF 职称材料

考虑分时段状态行为的非侵入式负荷分解方法 被引量：23

2

作者 崔亮节 孙毅 +1 位作者 刘耀先 文亚凤 《电力系统自动化》 EI CSCD 北大核心 2020年第5期215-222,共8页

负荷监测是智能用电的一个重要环节,针对现有低频非侵入式负荷分解方法需要较多先验信息,且对功率相近或小功率负荷的辨识精度较低的问题,提出了一种考虑分时段状态行为的非侵入式负荷分解方法。首先,对负荷设备的功率数据进行聚类分析... 负荷监测是智能用电的一个重要环节,针对现有低频非侵入式负荷分解方法需要较多先验信息,且对功率相近或小功率负荷的辨识精度较低的问题,提出了一种考虑分时段状态行为的非侵入式负荷分解方法。首先,对负荷设备的功率数据进行聚类分析,构建负荷状态模板。提出一种不需要指定时间段个数的负荷典型行为时间段智能寻优方法,分时段提取负荷状态行为规律,构建负荷行为模板。然后,在传统功率特征的基础上,综合考虑概率和时间2个维度,将分时段状态概率因子(TSPF)作为负荷新特征引入目标函数,通过多特征遗传优化迭代实现负荷分解。最后,在公开数据集上验证了所提方法的有效性和准确性。 展开更多

关键词 非侵入式负荷分解 负荷典型行为时间段 分时段状态概率因子 多特征遗传优化

下载PDF 职称材料

基于启停状态识别改进因子隐马尔可夫模型的非侵入式负荷分解 被引量：18

3

作者 于超 覃智君 阳育德 《电网技术》 EI CSCD 北大核心 2021年第11期4540-4550,共11页

非侵入式负荷分解(non-intrusiveloaddisaggregation,NILD)是通过对总电气量分析得到用户家中各电器设备的能耗数据,该数据为节能、需求响应及公共安全等方面提供重要依据。目前,NILD算法存在因设备启停状态识别准确率低导致负荷分解精... 非侵入式负荷分解(non-intrusiveloaddisaggregation,NILD)是通过对总电气量分析得到用户家中各电器设备的能耗数据,该数据为节能、需求响应及公共安全等方面提供重要依据。目前,NILD算法存在因设备启停状态识别准确率低导致负荷分解精度低的问题。为此,该文提出一种基于设备启停状态识别改进因子隐马尔可夫模型(factorialhidden Markov model,FHMM)的NILD方法。首先,通过人工少数类过采样法(syntheticminorityover-samplingtechnique,SMOTE)对训练数据做重采样处理、深度神经网络(deep neuralnetwork,DNN)模型提取启停状态特征以及双向长短时记忆网络及条件随机场(bidirectionallongshortterm memory-conditionalrandomfield,Bi LSTM-CRF)模型提升其对不平衡启停状态的识别能力;然后,将设备启停状态组合模块按照数理组合方法划分数据集,形成若干启停状态组合子数据集,并分别对各子数据集中处于启状态的设备建立FHMM进行负荷分解;最后,在公开数据集每分钟电力年鉴数据集(the almanac of minutely power dataset,AMPds)进行实验,该文算法得到的设备负荷分解平均精度比传统FHMM方法提升了3.8倍,验证了所提方法的有效性和准确性。 展开更多

关键词 非侵入式负荷分解 不平衡启停状态特征提取 启停状态识别 启停状态组合 因子隐马尔可夫模型

下载PDF 职称材料

基于卷积块注意力模型的非侵入式负荷分解算法 被引量：17

4

作者 徐晓会 赵书涛 崔克彬 《电网技术》 EI CSCD 北大核心 2021年第9期3700-3705,共6页

非侵入式负荷分解技术可以深度挖掘用户内部用电数据、获取用电信息,具有广阔的应用前景。该文研究了非侵入式负荷监测模式下基于卷积块注意力模型的非侵入负荷辨识算法。该模型首先采用一种序列到点方法,以电源窗口为输入,目标设备中... 非侵入式负荷分解技术可以深度挖掘用户内部用电数据、获取用电信息,具有广阔的应用前景。该文研究了非侵入式负荷监测模式下基于卷积块注意力模型的非侵入负荷辨识算法。该模型首先采用一种序列到点方法,以电源窗口为输入,目标设备中点为输出,然后使用卷积块注意力模型来训练学习目标设备特征,卷积块注意力模块通过引入空间和通道Attention机制可以有效提取有利特征,丢弃无用特征。基于REDD数据集的实验结果表明,该文模型在有效减少训练时间的前提下,显著提升了分解准确率。 展开更多

关键词 非侵入式负荷分解 深度学习 序列到点 注意力机制

下载PDF 职称材料

基于边缘嵌入深度学习的非侵入式负荷分解方法 被引量：15

5

作者 刘耀先 孙毅 +1 位作者 李彬 黄婷 《电网技术》 EI CSCD 北大核心 2019年第12期4329-4336,共8页

随着国家电网提出了"三型两网、世界一流"的战略目标,用户内部设备负荷信息的感知与获取在泛在电力物联网建设、推进过程中具有至关重要的地位,而非侵入式负荷分解技术使深度挖掘用户内部数据、获取家庭设备负荷信息成为可能... 随着国家电网提出了"三型两网、世界一流"的战略目标,用户内部设备负荷信息的感知与获取在泛在电力物联网建设、推进过程中具有至关重要的地位,而非侵入式负荷分解技术使深度挖掘用户内部数据、获取家庭设备负荷信息成为可能,也是电网提升用户信息价值的必要前提。为此,首先通过改进的迭代K-Medoids算法,提高电器设备负荷聚类结果的稳定性与实用性,并将设备状态信息输入隐马尔可夫模型(hidden Markov model,HMM)生成模型训练数据。之后构建了一种基于多序列到点与时间信息编码的深度学习网络,利用双向门控循环单元网络挖掘分解时间点与前多序列之间的时间关联特征,联结时间标记编码特征,输入全连通网络进行特征解码实现深度学习网络模型的训练,挖掘家庭设备状态与负荷时间信息间的深层潜在关系。训练得到的深度学习网络模型嵌入至边缘节点中实现用户终端的本地化负荷分解。最后,利用真实公开数据集Ampds对所提方法的有效性进行了验证,结果表明基于边缘嵌入深度学习的非侵入式负荷分解方法与现有负荷分解方法相比具有明显优越性。 展开更多

关键词 非侵入式负荷分解 电器状态提取 边缘嵌入 深度学习网络 多序列到点

下载PDF 职称材料

基于时间概率分布与电器组合超状态的非侵入式负荷分解 被引量：13

6

作者 燕续峰 翟少鹏 何光宇 《电力系统自动化》 EI CSCD 北大核心 2018年第24期53-58,73,共7页

非侵入式负荷监测是智能用电网络中的重要技术,为研究非侵入监测下电器的用电情况,提出了一种基于电器时间概率分布和电器组合超状态匹配的负荷分解方法。首先对电器的功率数据进行状态提取,并利用电器运行的时间信息提取每个状态的时... 非侵入式负荷监测是智能用电网络中的重要技术,为研究非侵入监测下电器的用电情况,提出了一种基于电器时间概率分布和电器组合超状态匹配的负荷分解方法。首先对电器的功率数据进行状态提取,并利用电器运行的时间信息提取每个状态的时间概率分布。根据电器的工作状态组合,构建超状态,利用家庭历史用电数据缩减超状态空间,并针对超状态功率重叠问题对其进行聚类得到S超状态。在负荷分解阶段利用S超状态匹配方法对非侵入式数据分段,并利用时间概率最大似然估计分解结果。最后,通过数据集分解结果验证了该算法的有效性。 展开更多

关键词 非侵入式负荷分解 时间概率分布 超状态 S超状态匹配

下载PDF 职称材料

基于卷积神经网络的非侵入式负荷监测方法 被引量：11

7

作者 刘一铭 李惠民 +1 位作者 王乐挺 Hasan RAFIQ 《电测与仪表》 北大核心 2022年第1期148-154,共7页

从深度学习与边缘计算的角度,对适用于电力物联网的非侵入式负荷监测方法展开了研究。针对NILM系统在物联网场景下的部署问题,提出了一种新的边缘计算架构,并讨论了各组成部分的任务分配。针对负荷激活在线提取问题,提出了基于离散度和... 从深度学习与边缘计算的角度,对适用于电力物联网的非侵入式负荷监测方法展开了研究。针对NILM系统在物联网场景下的部署问题,提出了一种新的边缘计算架构,并讨论了各组成部分的任务分配。针对负荷激活在线提取问题,提出了基于离散度和用电行为规律分析的激活判断策略;针对低频采样下的负荷特征问题,提出了一种可自动提取激活特征并识别类型的卷积神经网络架构,并通过分析负荷激活的背景功率、功率波动等特性,定义了三个一般性特征作为补充。最后,在民用数据集上进行了实验,证明了文中算法在泛化性能和计算效率方面的提升。 展开更多

关键词 非侵入式负荷监测 负荷分解 智能用电 深度学习 卷积神经网络 边缘计算

下载PDF 职称材料

考虑稀疏性的多特征电力负荷功率实时分解 被引量：11

8

作者 刘卫涛 刘博 +2 位作者 栾文鹏 崔高辰 刘浩 《电力系统及其自动化学报》 CSCD 北大核心 2018年第2期79-84,共6页

电力负荷功率分解是将负荷总功率合理地分配给各主要成分电器设备,这对于用户了解自身用电习惯、降低电能消耗、节约电费具有重要作用。为了提高分解准确性和实用性,在分解法中首次引入无功功率构建多特征分解模型;在分解模型的最优化... 电力负荷功率分解是将负荷总功率合理地分配给各主要成分电器设备,这对于用户了解自身用电习惯、降低电能消耗、节约电费具有重要作用。为了提高分解准确性和实用性,在分解法中首次引入无功功率构建多特征分解模型;在分解模型的最优化目标函数中增加了关于成分电器设备稀疏性及工作状态转换稀疏性的惩罚项;提出了一种有效的工作状态辨识结果修正方法。在公开数据集上与文献12方法进行对比测试的结果表明,上述方法能够有效提高电力负荷功率分解的准确性。此外,为减少负荷建模阶段所需的人工,采用无监督学习技术构建电器设备不同工作状态下的稳态功率特征模板。 展开更多

关键词 非侵入式 负荷分解 最优化 稀疏性 多特征融合 无监督学习

下载PDF 职称材料

非侵入式负荷事件监测的曲线拟合方法 被引量：9

9

作者 李亚前 杨滨 +3 位作者 杨宇全 李志远 刘磊 董泽寅 《电力系统及其自动化学报》 CSCD 北大核心 2021年第5期100-105,共6页

负荷事件监测是实现非侵入式电力负荷监测的关键环节。为提高最终负荷识别与分解的准确性,提出一种基于曲线拟合的非侵入式负荷事件监测方法。首先跟踪计算总功率信号滑动窗内拟合直线斜率值,进一步与根据功率变化设立的判定阈值进行比... 负荷事件监测是实现非侵入式电力负荷监测的关键环节。为提高最终负荷识别与分解的准确性,提出一种基于曲线拟合的非侵入式负荷事件监测方法。首先跟踪计算总功率信号滑动窗内拟合直线斜率值,进一步与根据功率变化设立的判定阈值进行比较,最终判断负荷运行状态是否发生变化。该方法可准确地标记出总负荷过渡区段和稳态区段的起止时刻,使监测系统能够准确地获取所需的负荷印记特征。理论证明了该方法的有效性和优越性,并且通过实例进行了验证。 展开更多

关键词 非侵入式监测 负荷分解 负荷事件监测 印记特征 曲线拟合

下载PDF 职称材料

基于一维卷积神经网络和自注意力机制的非侵入式负荷分解 被引量：9

10

作者 蒙亮 于超 +1 位作者 张希翔 覃智君 《电力大数据》 2020年第10期1-8,共8页

基于一维卷积神经网络的非侵入式负荷分解存在负荷分解准确率不高的问题。本文提出一种基于深度学习提高用电设备特征提取有效性及负荷分解精度的卷积神经网络模型。首先,利用一维卷积神经网络对时间序列有良好的特征提取能力构建负荷... 基于一维卷积神经网络的非侵入式负荷分解存在负荷分解准确率不高的问题。本文提出一种基于深度学习提高用电设备特征提取有效性及负荷分解精度的卷积神经网络模型。首先,利用一维卷积神经网络对时间序列有良好的特征提取能力构建负荷分解的特征预处理模块;其次,利用自注意力机制从预处理特征中选取与当前时刻相关性高的信息,突出高相关数据的权重实现对特征序列的重点关注,从而提升一维卷积神经网络的特征提取能力;最后,基于公开数据集UKDALE将本文所提算法与其他文献算法作对比分析。算例分析结果表明:采用本文算法的负荷分解结果均优于对比模型,其中相较于传统一维卷积神经网络模型,本文所提模型将各设备均方误差的平均值下降了50%,验证了所提方法的有效性和准确性。 展开更多

关键词 非侵入式负荷分解 特征提取 一维卷积神经网络 注意力机制 自注意力机制

下载PDF 职称材料

基于深度学习的公共楼宇电-气负荷非侵入式分解 被引量：4

11

作者 刘航 刘春阳 +2 位作者 赵浩然 田立军 刘俊伟 《电网技术》 EI CSCD 北大核心 2023年第3期1188-1195,共8页

建筑分项负荷的准确监测可以为需求响应提供信息支撑,有助于提高建筑的能效。非侵入式负荷分解(no-intrusive load monitoring,NILM)可以通过总负荷数据来获取分项负荷数据,但针对公共楼宇的NILM研究相对较少,且仅关注于单一类型能源的... 建筑分项负荷的准确监测可以为需求响应提供信息支撑,有助于提高建筑的能效。非侵入式负荷分解(no-intrusive load monitoring,NILM)可以通过总负荷数据来获取分项负荷数据,但针对公共楼宇的NILM研究相对较少,且仅关注于单一类型能源的分解。鉴于此,文章提出一种基于深度学习的公共楼宇电–气负荷分解方法。首先,采用Spearman相关系数定量评估楼宇电、气分项负荷及影响因素间的相关性,据此进行特征筛选;然后,构建基于卷积神经网络和双向门控单元的负荷分解模型,并采用注意力机制对模型输入特征进行权重优化,从而提升负荷分解精度;运用迁移学习技术来解决部分楼宇训练数据不足的问题。最后应用真实楼宇负荷数据对算法的有效性进行验证,并与相关研究进行对比,结果表明所提方法具有更优表现。 展开更多

关键词 非侵入式负荷分解 公共楼宇 相关性分析 深度学习 迁移学习

下载PDF 职称材料

基于生成对抗网络和联邦学习的非侵入式负荷分解方法 被引量：7

12

作者 吴钉捷 李晓露 陆一鸣 《电测与仪表》 北大核心 2022年第6期37-45,共9页

非侵入式负荷分解是对终端用户用电需求的重要感知手段,传统负荷分解方法存在电器识别和功率分解准确度低等问题。为此提出一种基于生成对抗网络的负荷分解模型,生成网络通过构建卷积自编码器对总功率信号去噪,生成指定电器的功率分解序... 非侵入式负荷分解是对终端用户用电需求的重要感知手段,传统负荷分解方法存在电器识别和功率分解准确度低等问题。为此提出一种基于生成对抗网络的负荷分解模型,生成网络通过构建卷积自编码器对总功率信号去噪,生成指定电器的功率分解序列,而判别网络被用来辨别生成序列的真伪,两者相互对抗,得到更为真实的分解序列。针对集中式模型训练方法的不足,采用深度可分离卷积代替传统卷积来实现模型轻量化,使之能应用于智能电表等终端设备,并提出一种基于联邦学习的网络模型实施方案,以云边协同的方式对模型进行训练,降低了通信传输压力,保护用户隐私和数据安全。基于公开数据集验证了方法的有效性。 展开更多

关键词 非侵入式负荷分解 生成对抗网络 联邦学习 云边协同 智能电能表

下载PDF 职称材料

基于非侵入式负荷分解的家庭负荷两阶段超短期负荷预测模型

13

作者 李延珍 王海鑫 +2 位作者 杨子豪 陈哲 杨俊友 《电工技术学报》 EI CSCD 北大核心 2024年第11期3379-3391,共13页

精细化负荷预测为制定家庭新型需求响应策略或能效管理模式提供了可靠的指导信息与理论基础,而负荷监测系统的广泛研究与发展为家庭设备层的负荷预测提供了有力的数据支撑。基于家庭负荷智能电能表集中数据,该文提出一种集分解-预测一... 精细化负荷预测为制定家庭新型需求响应策略或能效管理模式提供了可靠的指导信息与理论基础,而负荷监测系统的广泛研究与发展为家庭设备层的负荷预测提供了有力的数据支撑。基于家庭负荷智能电能表集中数据,该文提出一种集分解-预测一体化的家庭负荷两阶段超短期负荷预测方法。该方法第一阶段提出了基于卷积神经网络(CNN)和双向门控单元(BiGRU)神经网络的非侵入式负荷分解(NILM)模型,解决了目前深度分解模型中特征提取不充分、分解精度低等问题。第二阶段构建了基于时间模式注意力机制(TPA)的时间卷积神经网络(TCN)负荷预测模型,深度挖掘NILM分解数据、集中负荷数据及日期特征等输入变量的深层交互信息,实现家庭设备层的负荷预测。算例部分通过UK-DALE数据集对所提方法进行验证,结果表明,该方法能够获得较高的分解精度和预测效果,为家庭负荷预测提供了良好的条件。 展开更多

关键词 非侵入式负荷分解 负荷预测 卷积神经网络 双向门控单元神经网络 时间卷积网络 注意力机制

下载PDF 职称材料

适于低功率状态的多特征融合负荷分解方法

14

作者 李子凯 岳宝强 +2 位作者 杨波 周忠堂 王春宝 《山东电力技术》 2024年第1期68-76,共9页

非侵入式负荷分解是一种分析电力系统中各个负荷的能耗特征和负荷曲线的方法,因其低成本、易实施等优点而被广泛应用。现有的负荷分解方法通常试图通过叠加越来越多的池化和降采样操作来获得可靠的语义信息,然而,这种做法却可能在前向... 非侵入式负荷分解是一种分析电力系统中各个负荷的能耗特征和负荷曲线的方法,因其低成本、易实施等优点而被广泛应用。现有的负荷分解方法通常试图通过叠加越来越多的池化和降采样操作来获得可靠的语义信息,然而,这种做法却可能在前向传播过程中逐渐丢失那些功率波动不明显的微小目标特征,进而降低了方法对多状态电器低功率状态的分解性能。因此提出多特征融合负荷分解方法,设计编码器和解码器之间以及解码器内部之间的跳跃连接特征融合,以便全面捕获不同尺度的功率波动信息,通过结合上下文信息和不同尺度空间模式信息提高方法对目标电器运行模式的识别性能。经过实验验证,所提方法在未知房屋数据上对所有目标电器的负荷分解平均绝对误差降低约36%,对多状态电器的负荷分解平均绝对误差降低约47%,且成功分解出低功率状态。实验结果证明了所提方法的有效性。 展开更多

关键词 非侵入式负荷分解 低功率状态 多特征融合

下载PDF 职称材料

基于seq2seq和SVM双层融合的非侵入式用户异常行为检测

15

作者 江友华 叶梦豆 +1 位作者 赵乐 杨兴武 《计算机应用与软件》 北大核心 2024年第9期97-105,共9页

以非侵入式负荷分解为基础,对用户异常用电行为进行研究。采用Kmeans聚类算法提取负荷状态特征;采用深度学习算法中的序列到序列翻译(sequence to sequence, seq2seq)模型,将电力用户用电总数据分解成单个电器的功耗数据;结合SVM算法对... 以非侵入式负荷分解为基础,对用户异常用电行为进行研究。采用Kmeans聚类算法提取负荷状态特征;采用深度学习算法中的序列到序列翻译(sequence to sequence, seq2seq)模型,将电力用户用电总数据分解成单个电器的功耗数据;结合SVM算法对分解后多种家用电器用电数据进行异常检测。在UKDALE数据集实验结果表明,该模型不仅能提高分解准确度、降低分解误差,而且多个电器数据结合分析实现了用户异常行为检测。 展开更多

关键词 非侵入式负荷分解 Kmeans聚类 seq2seq模型 SVM算法 异常行为检测

下载PDF 职称材料

基于级联宽度学习与麻雀算法的非侵入式负荷分解方法

16

作者 白星振 康家豪 +2 位作者 尚继伟 郝春蕾 王雪梅 《山东科技大学学报（自然科学版）》 CAS 北大核心 2024年第2期102-111,共10页

深度学习被广泛应用于非侵入式负荷分解中,其分解精度高但存在网络结构复杂、训练过程极度耗时等问题,并且对计算资源有一定要求,难以与嵌入式设备集成使用。对此,面向低频数据,提出一种基于级联宽度学习与麻雀算法的非侵入式负荷分解... 深度学习被广泛应用于非侵入式负荷分解中,其分解精度高但存在网络结构复杂、训练过程极度耗时等问题,并且对计算资源有一定要求,难以与嵌入式设备集成使用。对此,面向低频数据,提出一种基于级联宽度学习与麻雀算法的非侵入式负荷分解方法。首先,改进宽度学习特征节点的连接方式,构建各目标设备的级联宽度学习负荷分解网络。然后,通过麻雀搜索算法确定各目标设备分解网络的最优特征节点和增强节点数,实现负荷的高效分解。最后,基于实际数据集UK-DALE进行了仿真实验,通过与常用的非侵入式负荷分解方法进行比较,验证了所提方法的优越性。 展开更多

关键词 非侵入式 负荷分解 宽度学习 麻雀算法 特征节点级联

下载PDF 职称材料

基于设备运行状态挖掘的非侵入式负荷分解方法 被引量：4

17

作者 庄卫金 张鸿 +1 位作者 方国权 陈中 《电力建设》 北大核心 2020年第8期9-16,共8页

随着非侵入式负荷监测与用户侧智能电表的结合,基于低频电力数据实现负荷分解成为了最新的研究趋势。考虑到低频电力数据的特征,文章提出一种基于设备运行状态挖掘的非侵入式负荷分解方法。该方法首先进行负荷事件检测,并在负荷事件处... 随着非侵入式负荷监测与用户侧智能电表的结合,基于低频电力数据实现负荷分解成为了最新的研究趋势。考虑到低频电力数据的特征,文章提出一种基于设备运行状态挖掘的非侵入式负荷分解方法。该方法首先进行负荷事件检测,并在负荷事件处提取功率特征;接着在特征平面内通过聚类算法获取表征不同类型负荷事件的聚类簇;最终采用图信号处理算法在聚类簇间挖掘设备运行状态并与数据库中的模板进行匹配实现负荷分解。算例验证了该方法事件检测和负荷分解的准确率,同时验证了在状态挖掘过程中引入设备运行周期能耗对额定功率相似设备的负荷分解具有优化效果。因此,为基于低频电力数据的非侵入式负荷分解技术研究提供了新思路。 展开更多

关键词 非侵入式负荷分解 事件检测 事件聚类 运行状态挖掘 家庭负荷

原文传递

基于IPSO-FHMM的非侵入式负荷分解

18

作者 李岢淳 李兵 《计算机系统应用》 2023年第8期214-220,共7页

非侵入式负荷分解是智能用电系统的一个重要环节,可深入分析用户的用电信息,对负荷预测、需求侧管理及电网安全有重要意义.本文提出了一种基于改进粒子群优化因子隐马尔可夫模型(IPSO-FHMM)的非侵入式负荷分解方法.利用高斯混合模型(GMM... 非侵入式负荷分解是智能用电系统的一个重要环节,可深入分析用户的用电信息,对负荷预测、需求侧管理及电网安全有重要意义.本文提出了一种基于改进粒子群优化因子隐马尔可夫模型(IPSO-FHMM)的非侵入式负荷分解方法.利用高斯混合模型(GMM)对单负荷进行状态聚类,总负载模型由因子隐马尔可夫模型表示.针对Baum-Welch算法容易收敛于局部极值的问题,将线性递减权重的粒子群优化算法引入到FHMM的参数训练中.使用AMPds2数据集进行仿真实验,结果表明,该模型可以有效地提高分解精度. 展开更多

关键词 非侵入式负荷分解 因子隐马尔科夫模型 鲍姆-韦尔奇算法 粒子群算法 高斯混合模型

下载PDF 职称材料

基于改进子任务门控网络的非侵入居民负荷分解

19

作者 郭艳霞 徐正一 琚赟 《电力需求侧管理》 2023年第1期5-11,共7页

非侵入负荷分解对挖掘用户侧能源需求具有重要意义。但是,目前功率分解模型收敛困难且推理周期计算量大。研究了基于序列到子序列和子任务门控网络(SGN)的非侵入负荷分解模型。首先,采用序列到子序列的方法构建子任务门控网络,将功率分... 非侵入负荷分解对挖掘用户侧能源需求具有重要意义。但是,目前功率分解模型收敛困难且推理周期计算量大。研究了基于序列到子序列和子任务门控网络(SGN)的非侵入负荷分解模型。首先,采用序列到子序列的方法构建子任务门控网络,将功率分解回归任务和电器状态分类任务相结合,实现主电源序列到目标电器子序列的映射;然后添加通道注意力模块和空间注意力模块提高模型的特征提取能力。基于UK-dale数据集的实验结果表明,该方法不仅减小了模型收敛的困难度和推理周期的计算量,而且显著提高了分解的精度。 展开更多

关键词 非侵入负荷分解 子任务门控网络 空间注意力 通道注意力

下载PDF 职称材料

基于GA-BiLSTM网络的建筑负荷分解方法研究

20

作者 郑宇 杨祝涛 周强 《建筑电气》 2023年第11期23-29,共7页

提出一种基于遗传算法和双向长短时记忆网络的非侵入式负荷分解方法,通过卷积神经网络对总能耗波形进行特征提取,借助双向长短时记忆网络的双向传播特性对能耗波形特征进行训练,引入遗传算法对网络的超参数进行优化,以提高网络性能。利... 提出一种基于遗传算法和双向长短时记忆网络的非侵入式负荷分解方法,通过卷积神经网络对总能耗波形进行特征提取,借助双向长短时记忆网络的双向传播特性对能耗波形特征进行训练,引入遗传算法对网络的超参数进行优化,以提高网络性能。利用UK-DALE数据集对所提方法进行对比验证,证明了本文方法对建筑分项能耗预测的有效性和准确性,以及在波动能耗跟踪上的优良性能。 展开更多

关键词 建筑能耗 非侵入式负荷分解 卷积神经网络 长短时记忆网络 遗传算法 深度学习 特征提取 分项能耗预测

下载PDF 职称材料