基于混合特征图的非侵入式负荷监测算法

针对目前的非侵入式负荷监测算法所需运算成本高、难以实用推广的现状,提出一种低运算成本的基于混合特征图的非侵入式负荷监测算法.首先,提取设备的功率特征和稳态电压-电流轨迹图特征,将设备功率特征进行维数变换后与电压-电流轨迹特征图组合,得到设备混合特征图.该特征图以小尺寸灰度图为载体,减小了硬件存储与模型算力的成本.然后,基于LeNet卷积神经网络建立设备辨识模型,以混合特征图为输入,实现对设备种类的辨识.最后,使用PLAID数据集对所提算法的结果准确性与计算性能进行测试.结果表明:所提算法的设备辨识准确率可达92.7％,与辨识准确率相差小于1％的同类算法相比,在算法参数量和运算量方面减少了 99％,能有效减少NILM的运算成本.