考虑辨识结果连续性的Type-Ⅲ型工商业负荷辨识方法

段晶; 李勇; 张振宇; 李巍巍; 蒋林; 李磊

doi:10.7500/AEPS20210416001

您当前的位置：

首页 >

文章列表页 >

考虑辨识结果连续性的Type-Ⅲ型工商业负荷辨识方法

学术研究 | 更新时间：2025-06-16

- 考虑辨识结果连续性的Type-Ⅲ型工商业负荷辨识方法
- Identification Method for Type-Ⅲ Industrial and Commercial Load Considering Identification Result Continuity
- 电力系统自动化 2021年45卷第24期页码：65-72
- 作者机构：
  
  1.湖南大学电气与信息工程学院，湖南省长沙市 410082
  2.长沙新奥长燃能源发展有限公司，湖南省长沙市 410005
  3.利物浦大学电气工程与电子系，利物浦L69 3BX，英国
  4.长沙新奥湘江新能源发展有限公司，湖南省长沙市 410005
- 作者简介：
  
  段晶(1996—)，女，硕士，主要研究方向：非侵入式负荷监测。E-mail：duanjing@hnu.edu.cn
  李勇(1982—)，男，通信作者，教授，博士生导师，主要研究方向：电力系统运行与控制、电力电子系统与控制。E-mail：yongli@hnu.edu.cn
  张振宇(1994—)，男，博士，主要研究方向：中压配电网的拓扑识别、非侵入式负荷监测。E-mail：zhenyuzhang@hnu.edu.cn
- 基金信息：
  
  国家重点研发计划政府间国际科技创新合作重点专项资助项目(2018YFE0125300);国家自然科学基金资助项目(52061130217);湖湘高层次人才聚集工程资助项目(2019RS1016)
- DOI：10.7500/AEPS20210416001
  中图分类号：
- 收稿日期：2021-04-16，
  
  修回日期：2021-07-23，
  
  网络出版日期：2021-09-17，
  
  纸质出版日期：2021-12-25
- 稿件说明：
移动端阅览
段晶,李勇,张振宇等.考虑辨识结果连续性的Type-Ⅲ型工商业负荷辨识方法[J].电力系统自动化,2021,45(24):65-72.

DUAN Jing,LI Yong,ZHANG Zhenyu,et al.Identification Method for Type-Ⅲ Industrial and Commercial Load Considering Identification Result Continuity[J].Automation of Electric Power Systems,2021,45(24):65-72.
段晶,李勇,张振宇等.考虑辨识结果连续性的Type-Ⅲ型工商业负荷辨识方法[J].电力系统自动化,2021,45(24):65-72. DOI： 10.7500/AEPS20210416001.

DUAN Jing,LI Yong,ZHANG Zhenyu,et al.Identification Method for Type-Ⅲ Industrial and Commercial Load Considering Identification Result Continuity[J].Automation of Electric Power Systems,2021,45(24):65-72. DOI： 10.7500/AEPS20210416001.

摘要

非侵入式负荷监测技术可以引导用户合理安排用电时间，从而减少电量消耗。其中，由于状态的连续可变性，连续变化(Type-Ⅲ)型负荷的辨识一直是非侵入式负荷监测中难以解决的问题之一。针对Type-Ⅲ型负荷的辨识难题，提出了基于深度卷积神经网络(CNN)和隐马尔可夫模型(HMM)的非侵入式负荷辨识算法。首先，根据互信息理论进行负荷特征选择；然后，利用残差神经网络作为深度CNN的基本架构，提取负荷多维特征并实现Type-Ⅲ型负荷的初辨识；最后，为了解决CNN辨识结果中存在的状态断点问题，采用HMM完成负荷辨识结果的连续性优化。在复杂的工商业运行环境中，对具有代表性的Type-Ⅲ型负荷数据进行了算法训练和验证，结果表明所提算法能有效辨识Type-Ⅲ型工商业负荷的运行状态。

Abstract

Non-intrusive load monitoring technology can guide users to arrange power consumption time reasonably

thereby reducing power consumption. Among them

due to the continuous variability of the state

the identification of continuously varying (Type-Ⅲ) load has always been one of the difficult problems in non-intrusive load monitoring. Aiming at the problem of Type-Ⅲ load identification

a non-intrusive load identification algorithm based on deep convolutional neural network (CNN) and hidden Markov model (HMM) is proposed. Firstly

the load characteristics are selected according to the mutual information theory. Then

the residual neural network is used as the basic structure of deep CNN to extract multi-dimensional features of the load and realize the initial identification of Type-Ⅲ loads. Finally

in order to solve the problem of state breakpoint in CNN identification results

the HMM is used to complete the continuous optimization of load identification results. In the complex industrial and commercial operation environment

the algorithm is trained and verified on the representative Type-Ⅲ load data. The results show that the proposed algorithm can effectively identify the operation state of Type-Ⅲ industrial and commercial load.

关键词

Keywords

references

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 .

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 .

HART G W . Nonintrusive appliance load monitoring ［J］. Proceedings of the IEEE ， 1993 ， 80 （ 12 ）： 1870 - 1891 .

YANG Dongsheng ， GAO Xiaoting ， KONG Liang ， et al . An event-driven convolutional neural architecture for non-intrusive load monitoring of residential appliance ［J］. IEEE Transactions on Consumer Electronics ， 2020 ， 66 （ 2 ）： 173 - 182 .

CHRYSOPOULOS A ， DIOU C ， SYMEONIDIS A L ， et al . Bottom-up modeling of small-scale energy consumers for effective demand response applications ［J］. Engineering Applications of Artificial Intelligence ， 2014 ， 35 ： 299 - 315 .

GYUBAEK K ， SANGHYUN P . A study on data requirements for power disaggregation ［C］// International Conference on Power and Energy Applications ， October 9-11 ， 2020 ， Busan， Korea ： 141 - 144 .

雷怡琴，孙兆龙，叶志浩，等 . 电力系统负荷非侵入式监测方法研究［J］. 电工技术学报， 2021 ， 36 （ 11 ）： 2288 - 2297 .

LEI Yiqin ， SUN Zhaolong ， YE Zhihao ， et al . Research on non-invasive load monitoring method in power system ［J］. Transactions of China Electrotechnical Society ， 2021 ， 36 （ 11 ）： 2288 - 2297 .

HSUEH H C ， MENG C L ， WEI J L ， et al . Feature extraction-based Hellinger distance algorithm for nonintrusive aging load identification in residential buildings ［J］. IEEE Transactions on Industry Applications ， 2016 ， 52 （ 3 ）： 2031 - 2039 .

FANG Zhaoyuan ， ZHAO Dongbo ， CHEN Chen ， et al . Nonintrusive appliance identification with appliance-specific networks ［J］. IEEE Transactions on Industry Applications ， 2020 ， 56 （ 4 ）： 3443 - 3452 .

WENNINGER M ， STECHER D ， SCHMIDT J . SVM-based segmentation of home appliance energy measurements ［C］// IEEE International Conference on Machine Learning and Applications ， December 16-19 ， 2019 ， Boca Raton， USA ： 1666 - 1670 .

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 .

KASELIMI M ， DOULAMIS N ， VOULODIMOS A ， et al . Context aware energy disaggregation using adaptive bidirectional LSTM models ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 4 ）： 3054 - 3067 .

刘国龙，赵俊华，文福拴，等 . 面向配用电侧负荷数据的深度端到端超分辨率感知方法［J］. 电力系统自动化， 2020 ， 44 （ 24 ）： 28 - 35 .

LIU Guolong ， ZHAO Junhua ， WEN Fushuan ， et al . Deep end-to-end super-resolution perception method for load data at distribution side ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 24 ）： 28 - 35 .

MAKONIN S ， POPOWICH F ， BAJIĆ I V ， et al . Exploiting HMM sparsity to perform online real-time nonintrusive load monitoring ［J］. IEEE Transactions on Smart Grid ， 2016 ， 7 （ 6 ）： 2575 - 2585 .

DOMINIK E ， VENKATA P B ， WILFRIED E . PALDi： online load disaggregation via particle filtering ［J］. IEEE Transactions on Instrumentation and Measurement ， 2015 ， 64 （ 2 ）： 467 - 477 .

ANDREOLI J . Learning energy consumption profiles from data ［C］// IEEE Symposium on Computational Intelligence and Data Mining ， December 9-12 ， 2014 ， Orlando， USA ： 463 - 470 .

LI D ， SAWYER K ， DICK S . Disaggregating household loads via semi-supervised multi-label classification ［C］// Annual Conference of the North American Fuzzy Information Processing Society Held Jointly with 5th World Conference on Soft Computing ， August 17-19 ， 2015 ， Redmond， USA ： 1 - 5 .

KONG Weicong ， DONG Zhaoyang ， WANG Bo ， et al . A practical solution for non-intrusive Type Ⅱ load monitoring based on deep learning and post-processing ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 1 ）： 148 - 160 .

刘旭东 . 互信息去冗余与多种分类模型结合的癌症分类问题研究［D］. 长沙：湖南大学， 2018 .

LIU Xudong . Research on cancer classification problem based on mutual information redundancy and multiple classification models ［D］. Changsha ： Hunan University ， 2018 .

ALEXANDER K ， HARALD S ， PETER G . Estimating mutual information ［J］. Physical Review ， 2004 ， 69 ： 066138 .

ŞAFAK K ， İMAN A ， YILMAZ K . Using ResNet transfer deep learning methods in person identification according to physical actions ［J］. IEEE Access ， 2020 ， 8 ： 220364 - 220373 .

LI Baoqi ， HE Yuyao . An improved ResNet based on the adjustable shortcut connections ［J］. IEEE Access ， 2018 ， 6 ： 18967 - 18974 .

LU Mengtao ， YIN Jianfei . A feature metric algorithm combining the Wasserstein distance and mutual information ［C］// IEEE International Conference on Progress in Informatics and Computing ， December 14-16 ， 2018 ， Suzhou， China ： 154 - 157 .

徐伟枫，华锦修，余涛，等 . 计及电器状态关联规则的非侵入式负荷分解［J］. 电力自动化设备， 2020 ， 40 （ 4 ）： 197 - 203 .

XU Weifeng ， HUA Jinxiu ， YU Tao ， et al . Non-intrusive load decomposition considering association rules of appliances’ state ［J］. Electric Power Automation Equipment ， 2020 ， 40 （ 4 ）： 197 - 203 .

WU Xin ， GAO Yuchen ， JIAO Dian . Multi-label classification based on random forest algorithm for non-intrusive load monitoring system ［J］. Processes ， 2019 ， 7 （ 6 ）： 337 - 351 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

考虑热舒适度的居民空调负荷调控潜力差异化评估

基于ResNeXt网络和迁移学习的非侵入式负荷监测

基于最大互信息的干扰源类型识别及电能质量需求画像技术

基于互信息贝叶斯网络的配电网拓扑鲁棒辨识算法