|
|||||
|
|
| 基于1D-CNN模型的非侵入式负荷识别 | |
| 作者单位： | 广东电网广州供电局,广东广州 510000;北京邮电大学人工智能学院,北京 100876 |
| 摘 要： | 非侵入式负荷识别技术对电网系统的电力调度、风险估计等具有重要意义.现阶段非侵入式负荷识别的数据质量差,算法识别准确度低且只能处理低频或高频数据.针对非侵入式负荷识别数据质量差的问题,提出了数据修复、数据扩展等数据增强方法;针对非线性扰动降低准确度的问题,提出了一种基于1D-CNN的深度学习模型,该模型既可提取低频数据的稳态特征,也可提取高频数据的暂态特征.使用数据增强后的数据集在1D-CNN模型上训练和测试,并与现有算法进行对比发现,该模型在低频、高频数据集上均获得了95%以上的准确度,与现有算法相比具有明显优势. |
| 关 键 词： | 非侵入式负荷识别 深度学习 1D-CNN |
| 本文献已被 CNKI 万方数据 等数据库收录！ | |