计算机应用

作者：杜宇, 严萌, 武昕

单位：华北电力大学 电气与电子工程学院，北京 102206

关键词：非侵入负荷辨识,需求侧管理,数据上采样,双向金字塔结构,卷积神经网络,自动特征提取

基金：中央高校基本科研业务费专项资金资助项目(2020MS002)

非侵入式负荷监测（NILM）技术为需求侧管理提供了技术支撑，而非侵入负荷辨识是负荷监测过程中的关键环节。在负荷数据采样过程中无法实现长期的实时高频采集，得到的负荷数据还存在缺乏时序性的问题；同时，卷积神经网络（CNN）存在对低级信号特征表现不足的缺陷。针对以上两个问题，提出了一种基于上采样金字塔结构的CNN非侵入负荷辨识算法。所提算法直接面向采集到的负荷电流信号，利用上采样网络扩展数据在时间维度上的相关信息弥补数据的时序性，并通过双向金字塔一维卷积提取负荷信号的高级与低级特征，以对负荷特征进行全面利用，从而实现对未知负荷信号进行识别的目的。实验结果表明，基于上采样金字塔结构的CNN非侵入负荷辨识算法的识别准确率能够达到95.21%，且具有良好的泛化能力，可有效实现负荷辨识。

来源：2022年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2022年第10期