| 基于MVMD-CapSA-DBN的工业多元负荷分类研究 |
| |
| 引用本文： | 周孟然,张易平,汪胜和,马金辉,高博,胡锋,朱梓伟,汪锟,刘宇.基于MVMD-CapSA-DBN的工业多元负荷分类研究[J].河南师范大学学报(自然科学版),2023(3):123-130. |
| |
| 作者姓名： | 周孟然 张易平 汪胜和 马金辉 高博 胡锋 朱梓伟 汪锟 刘宇 |
| |
| 作者单位： | 1. 安徽理工大学电气与信息工程学院;2. 国网安徽省电力有限公司 |
| |
| 基金项目： | 国家重点研发计划(2018YFC0604503)；;安徽省科技重大专项(201903a07020013)；;安徽高校自然科学研究重点项目(KJ2021A0470)； |
| |
| 摘 要： | 针对多元电力负荷数据时间序列非平稳性、时序相关性和非线性等特性，为掌握电力负荷的变化规律和发展趋势，实现对电力负荷的科学管理，将工业多元负荷有功功率作为原始数据，提出MVMD-CapSA-DBN负荷分类模型.首先，利用改进停止准则的变分模态分解(Variational Mode Decomposition, VMD)将数据分解，得到较为平稳的多个数据分量；之后，提取各分量能量值作为特征；最后，将0～1标准化的数据作为特征向量，输入经卷尾猴搜索算法(Capuchin Search Algorithm, CapSA)优化参数后的深度置信网络(Deep Belief Nets, DBN)信号分类.实验证明，可实现对工业多元负荷数据的有效分类，整体准确率在88.89%左右，部分负荷分类准确率可达100%.
|
| 关 键 词： | 电力负荷 负荷分类 变分模态分解 深度信念网络 卷尾猴搜索算法 |
|
|
