Non-intrusive Load Monitoring Method Based on <italic style="font-style: italic">V</italic>-<italic style="font-style: italic">I</italic> Trajectory Color Coding

Yang XIE; Fei MEI; Jianyong ZHENG; Ang GAO; Xuan LI; Haoyuan SHA

doi:10.7500/AEPS20210511005

您当前的位置：

首页 >

文章列表页 >

Non-intrusive Load Monitoring Method Based on V-I Trajectory Color Coding

Basic Research | 更新时间：2025-06-16

- Non-intrusive Load Monitoring Method Based on V-I Trajectory Color Coding
- Automation of Electric Power Systems Vol. 46, Issue 4, Pages: 93-102(2022)
- 作者机构：
  
  1.东南大学网络空间安全学院,江苏省南京市 211102
  2.河海大学能源与电气学院,江苏省南京市 211100
  3.东南大学电气工程学院,江苏省南京市 210096
- 作者简介：
- 基金信息：
  
  National Key R&D Program of China(2018YFB1500800)
- DOI：10.7500/AEPS20210511005
  CLC：
- Received：11 May 2021，
  
  Revised：2021-09-18，
  
  Published Online：09 December 2021，
  
  Published：25 February 2022
- 稿件说明：
移动端阅览
解洋,梅飞,郑建勇等.基于V-I轨迹颜色编码的非侵入式负荷识别方法[J].电力系统自动化,2022,46(4):93-102.

XIE Yang,MEI Fei,ZHENG Jianyong,et al.Non-intrusive Load Monitoring Method Based on V-I Trajectory Color Coding[J].Automation of Electric Power Systems,2022,46(4):93-102.
解洋,梅飞,郑建勇等.基于V-I轨迹颜色编码的非侵入式负荷识别方法[J].电力系统自动化,2022,46(4):93-102. DOI： 10.7500/AEPS20210511005.

XIE Yang,MEI Fei,ZHENG Jianyong,et al.Non-intrusive Load Monitoring Method Based on V-I Trajectory Color Coding[J].Automation of Electric Power Systems,2022,46(4):93-102. DOI： 10.7500/AEPS20210511005.

摘要

在非侵入式负荷识别中基于原始电压-电流（

）轨迹特征的识别方法，难以对相似轨迹特征的负荷做出有效辨识。因此，提出了一种基于

轨迹特征的颜色编码方法，并利用

-means聚类算法和AlexNet神经网络进行负荷特征的辨识。首先，运用

-means聚类算法对负荷的有功和无功功率特征进行初步分类。然后，对未分类成功的负荷进行

轨迹构建和颜色编码处理，生成带有颜色特征的

轨迹。最后，运用AlexNet神经网络对负荷进行训练和分类，达到快速精细化的分类效果。针对公共数据集PLAID和WHITED，运用原始

轨迹特征和进行颜色编码后

轨迹的识别效果做对比分析，可知所提方法在节省计算时间的同时也提高了识别的准确度，提升效果明显。

Abstract

In the non-intrusive load monitoring

the monitoring method based on the original (voltage-current)

trajectory characteristics is difficult to effectively identify the loads with similar trajectory characteristics. Therefore

a color coding method based on

trajectory characteristics is proposed

and the

-means clustering algorithm and AlexNet neural network are used to identify load characteristics. First

the

-means clustering algorithm is used to preliminarily classify the active power and reactive power characteristics of the load. Then

construction and color coding of the

trajectory are performed on the unclassified loads to generate

trajectories with color characteristics. Finally

the AlexNet neural network is used to train and classify the load to achieve a fast and refined classification effect. For the public data sets PLAID and WHITED

the monitoring effect of original

trajectory characteristics and color-coded

trajectories are compared and analyzed. It is known that the proposed method not only saves calculation time but also improves the monitoring accuracy

and the improvement effect is obvious.

关键词

Keywords

references

HE K H ， STANKOVIC L ， LIAO J ， et al . Non-intrusive load disaggregation using graph signal processing ［J］. IEEE Transactions on Smart Grid ， 2018 ， 9 （ 3 ）： 1739 - 1747 .

娄藕蝶 . 非侵入式负荷特征提取与识别研究［D］. 南京：东南大学， 2018 .

LOU Oudie . Research on non-intrusive load feature extraction and load recognition ［D］. Nanjing ： Southeast University ， 2018 .

黎鹏 . 非侵入式电力负荷分解与监测［D］. 天津：天津大学， 2009 .

LI Peng . Non-intrusive method for power load disaggregation and monitoring ［D］. Tianjin ： Tianjin University ， 2009 .

程祥，李林芝，吴浩，等 . 非侵入式负荷监测与分解研究综述［J］. 电网技术， 2016 ， 40 （ 10 ）： 3108 - 3117 .

CHENG Xiang ， LI Linzhi ， WU Hao ， et al . A survey of the research on non-intrusive load monitoring and disaggregation ［J］. Power System Technology ， 2016 ， 40 （ 10 ）： 3108 - 3117 .

LAM H Y ， FUNG G S K ， LEE W K . A novel method to construct taxonomy electrical appliances based on load signaturesof ［J］. IEEE Transactions on Consumer Electronics ， 2007 ， 53 （ 2 ）： 653 - 660 .

DU L ， HE D W ， HARLEY R G ， et al . Electric load classification by binary voltage-current trajectory mapping ［J］. IEEE Transactions on Smart Grid ， 2016 ， 7 （ 1 ）： 358 - 365 .

王守相，郭陆阳，陈海文，等 . 基于特征融合与深度学习的非侵入式负荷辨识算法［J］. 电力系统自动化， 2020 ， 44 （ 9 ）： 103 - 110 .

WANG Shouxiang ， GUO Luyang ， CHEN Haiwen ， et al . Non-intrusive load identification algorithm based on feature fusion and deep learning ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 9 ）： 103 - 110 .

GAO J K ， KARA E C ， GIRI S ， et al . A feasibility study of automated plug-load identification from high-frequency measurements ［C］// 2015 IEEE Global Conference on Signal and Information Processing（GlobalSIP）， December 14-16 ， 2015 ， Orlando， USA .

陈军锋，王雪，张效天 . 非侵入式负荷识别边缘计算颜色编码研究［J］. 仪器仪表学报， 2020 ， 41 （ 9 ）： 12 - 19 .

CHEN Junfeng ， WANG Xue ， ZHANG Xiaotian . Non-intrusive load recognition using color encoding in edge computing ［J］. Chinese Journal of Scientific Instrument ， 2020 ， 41 （ 9 ）： 12 - 19 .

LIU Y C ， WANG X ， YOU W . Non-intrusive load monitoring by voltage-current trajectory enabled transfer learning ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 5 ）： 5609 - 5619 .

LIANG J ， NG S K K ， KENDALL G ， et al . Load signature study： Part Ⅰ basic concept， structure， and methodology ［J］. IEEE Transactions on Power Delivery ， 2010 ， 25 （ 2 ）： 551 - 560 .

LIN Y H ， TSAI M S . An advanced home energy management system facilitated by nonintrusive load monitoring with automated multiobjective power scheduling ［J］. IEEE Transactions on Smart Grid ， 2015 ， 6 （ 4 ）： 1839 - 1851 .

ALKHULAIFI A ， ABDULAH J . Investigation of deep learning-based techniques for load disaggregation， low-frequency approach ［J］. International Journal of Advanced Computer Science and Applications ， 2020 ， 11 （ 1 ）： 701 - 706 .

孙毅，崔灿，陆俊，等 . 基于差量特征提取与模糊聚类的非侵入式负荷监测方法［J］. 电力系统自动化， 2017 ， 41 （ 4 ）： 86 - 91 .

SUN Yi ， CUI Can ， LU Jun ， et al . Non-intrusive load monitoring method based on delta feature extraction and fuzzy clustering ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 4 ）： 86 - 91 .

ARBERET S ， HUTTER A . Non-intrusive load curve disaggregation using sparse decomposition with a translation-invariant boxcar dictionary ［C］// IEEE PES Innovative Smart Grid Technologies ， October 12-15 ， 2014 ， Istanbul， Turkey .

施雨松，徐青山，郑建 . 基于特征选择与增量学习的非侵入式电动自行车充电辨识方法［J］. 电力系统自动化， 2021 ， 45 （ 7 ）： 87 - 94 .

SHI Yusong ， XU Qingshan ， ZHENG Jian . Non-intrusive charging identification method for electric bicycles based on feature selection and incremental learning ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 7 ）： 87 - 94 .

BERGES M ， GOLDMAN E ， MATTHEWS H S ， et al . User-centered nonintrusive electricity load monitoring for residential buildings ［J］. Journal of Computing in Civil Engineering ， 2011 ， 25 （ 6 ）： 471 - 480 .

武昕，焦点，高宇辰 . 基于非侵入式用电数据分解的自适应特征库构建与负荷辨识［J］. 电力系统自动化， 2020 ， 44 （ 4 ）： 101 - 109 .

WU Xin ， JIAO Dian ， GAO Yuchen . Construction of adaptive feature library and load identification based on decomposition of non-intrusive power consumption data ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 4 ）： 101 - 109 .

罗平，樊星驰，章坚民，等 . 基于电器运行状态和深度学习的非侵入式负荷分解［J］. 电力系统自动化， 2021 ， 45 （ 12 ）： 49 - 56 .

LUO Ping ， FAN Xingchi ， ZHANG Jianmin ， et al . Non-intrusive load decomposition based on operation state of electrical appliances and deep learning ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 12 ）： 49 - 56 .

LIN Y H ， TSAI M S . Non-intrusive load monitoring by novel neuro-fuzzy classification considering uncertainties ［J］. IEEE Transactions on Smart Grid ， 2014 ， 5 （ 5 ）： 2376 - 2384 .

JAZIZADEH F ， BECERIK-GERBER B ， BERGES M ， et al . An unsupervised hierarchical clustering based heuristic algorithm for facilitated training of electricity consumption disaggregation systems ［J］. Advanced Engineering Informatics ， 2014 ， 28 （ 4 ）： 311 - 326 .

高浩瀚，张利，梁军，等 . 基于改进排列熵算法和Yamamoto算法的非侵入式用电设备状态变化检测［J］. 电力自动化设备， 2020 ， 40 （ 1 ）： 192 - 197 .

GAO Haohan ， ZHANG Li ， LIANG Jun ， et al . Non-intrusive electrical equipment state change detection based on improved permutation entropy algorithm and Yamamoto algorithm ［J］. Electric Power Automation Equipment ， 2020 ， 40 （ 1 ）： 192 - 197 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Fault Identification Method for Transmission Line Based on Transfer Learning-AlexNet with Imbalanced Samples

Non-intrusive Charging Identification Method for Electric Bicycles Based on Feature Selection and Incremental Learning

Related Author

XIE Yang

NAN Dongliang

WANG Jian

WU Hao

ZHANG Bo

OUYANG Jinxin

XIONG Xiaofu

Xiaofu XIONG

Related Institution

State Key Laboratory of Power Transmission Equipment & System Security and New Technology(Chongqing University)

Electric Power Research Institute of State Grid Xinjiang Electric Power Co., Ltd.

School of Electrical Engineering and Information，Sichuan University

⁰

Non-intrusive Load Monitoring Method Based on V-I Trajectory Color Coding

DOI：10.7500/AEPS20210511005

摘要

Abstract

关键词

Keywords

references