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 |
|
|