%0 Journal Article
%T 基于特征融合与深度学习的非侵入式负荷辨识算法
%A 王守相
%A 邓欣宇
%A 郭陆阳
%A 陈海文
%J 电力系统自动化
%D 2020
%X 针对使用单一设备特征进行负荷辨识存在的局限性，提出了一种基于特征融合与深度学习的非侵入式负荷辨识算法。通过分析设备的高频采样数据提取了V-I轨迹图像特征与功率数值特征。利用人工神经网络的高级特征提取能力，实现了V-I轨迹图像特征与功率数值特征的融合。最后以复合特征作为设备新的特征训练反向传播(BP)神经网络进行非侵入式负荷辨识。使用PLAID数据集对算法辨识效果进行了验证，并对比了不同分类算法对特征融合的有效性与负荷辨识能力。结果表明，该算法利用不同特征之间的互补性，克服了使用V-I轨迹特征无法反映设备功率大小的缺点，从而提高了V-I轨迹特征的负荷辨识能力，并且在嵌入式设备中的运算速度为毫秒级
%K 非侵入式负荷辨识
%K V-I轨迹
%K 复合特征
%K 深度学习
%K 神经网络
%K non-intrusive load identification
%K V-I trajectory
%K fusion feature
%K deep learning
%K neural network
%U http://www.aeps-info.com/aeps/article/abstract/20190625010?st=article_issue