|
|
- 2020
基于特征融合与深度学习的非侵入式负荷辨识算法Keywords: 非侵入式负荷辨识,V-I轨迹,复合特征,深度学习,神经网络,non-intrusive load identification,V-I trajectory,fusion feature,deep learning,neural network Abstract: 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
|
