| 基于Bi-LSTM算法的非侵入式负荷监测模型 |
| |
| 引用本文： | 何恒靖,王灏,肖勇,张恒,赵云,周东国.基于Bi-LSTM算法的非侵入式负荷监测模型[J].南方电网技术,2019(2):20-26. |
| |
| 作者姓名： | 何恒靖 王灏 肖勇 张恒 赵云 周东国 |
| |
| 作者单位： | 南方电网科学研究院;武汉大学电气与自动化学院 |
| |
| 摘 要： | 随着深度学习技术的发展,基于深度学习的非侵入式负荷辨识算法成为了研究热点。本文首次将双向长短期记忆网络(bilateral long-term and short-term memory network,Bi-LSTM)用于负荷辨识,提出了基于Bi-LSTM的非侵入式负荷辨识算法,通过定位负荷事件发生时刻,将负荷运行状态始末的稳态信息(有功功率、无功功率和15次奇偶电流谐波)进行组合作为训练后Bi-LSTM的输入,并使用精确度、召回率、准确率和F1值作为评价指标,实验结果显示该方法能够对小功率和多状态电器进行辨识,相较于长短期记忆网络(long-term and short-term memory network,LSTM)和循环神经网络(recurrent neural network,RNN),Bi-LSTM体现出更强的辨识能力。此外,针对一个时间段存在多个电器运行的情况,提出基于负荷运行状态起止特征匹配的方法,并通过实验证明了该算法的可行性。
|
| 关 键 词： | 非侵入式负荷监测 双向长短期记忆网络 特征提取 负荷辨识 |
Non-Intrusive Load Monitoring Model Based on Bi-LSTM Algorithm |
| |
| HE Hengjing,WANG Hao,XIAO Yong,ZHANG Heng,ZHAO Yun,ZHOU Dongguo.Non-Intrusive Load Monitoring Model Based on Bi-LSTM Algorithm[J].Southern Power System Technology,2019(2):20-26. |
| |
| Authors: | HE Hengjing WANG Hao XIAO Yong ZHANG Heng ZHAO Yun ZHOU Dongguo |
| |
| Affiliation: | (Electric Power Research Institute,CSG,Guangzhou 510663,China;School of Electrical Engineering and Automation,Wuhan University,Wuhan 430072,China) |
| |
| Abstract: | HE Hengjing;WANG Hao;XIAO Yong;ZHANG Heng;ZHAO Yun;ZHOU Dongguo(Electric Power Research Institute,CSG,Guangzhou 510663,China;School of Electrical Engineering and Automation,Wuhan University,Wuhan 430072,China) |
| |
| Keywords: | non-intrusive load monitoring bilateral long-term and short-term memory network(Bi-LSTM) feature extraction load identification |
| 本文献已被 CNKI 维普 等数据库收录！ |
|
