基于GRU-EEMD算法的非侵入式配电网功率欠定盲源分离

韩烨宸; 贺兴; 艾芊

doi:10.7500/AEPS20221231001

您当前的位置：

首页 >

文章列表页 >

基于GRU-EEMD算法的非侵入式配电网功率欠定盲源分离

学术研究 | 更新时间：2025-06-16

- 基于GRU-EEMD算法的非侵入式配电网功率欠定盲源分离
- Non-intrusive Underdetermined Blind Power Source Separation for Distribution Network Based on Gate Recurrent Unit and Ensemble Empirical Mode Decomposition Algorithm
- 电力系统自动化 2023年47卷第14期页码：64-71
- 作者机构：
  
  上海交通大学电子信息与电气工程学院，上海市 201100
- 作者简介：
  
  韩烨宸(1999—)，男，硕士研究生，主要研究方向：非侵入式能量监测。E-mail：hyc9264101@sjtu.edu.cn
  贺兴(1986—)，男，通信作者，副研究员，硕士生导师，主要研究方向：电力系统大数据分析方法、数字孪生等。E-mail：hexing_hx@126.com
  艾芊(1969—)，男，教授，博士生导师，主要研究方向：电力系统人工智能、电能质量等。E-mail：aiqian@sjtu.edu.cn
- 基金信息：
  
  国家自然科学基金资助项目(52277111);上海市科技计划资助项目(21DZ1208300)
- DOI：10.7500/AEPS20221231001
  中图分类号：
- 收稿：2022-12-31，
  
  修回：2023-03-06，
  
  网络出版：2023-05-08，
  
  纸质出版：2023-07-25
- 稿件说明：
移动端阅览
韩烨宸,贺兴,艾芊.基于GRU-EEMD算法的非侵入式配电网功率欠定盲源分离[J].电力系统自动化,2023,47(14):64-71.

HAN Yechen,HE Xing,AI Qian.Non-intrusive Underdetermined Blind Power Source Separation for Distribution Network Based on Gate Recurrent Unit and Ensemble Empirical Mode Decomposition Algorithm[J].Automation of Electric Power Systems,2023,47(14):64-71.
韩烨宸,贺兴,艾芊.基于GRU-EEMD算法的非侵入式配电网功率欠定盲源分离[J].电力系统自动化,2023,47(14):64-71. DOI： 10.7500/AEPS20221231001.

HAN Yechen,HE Xing,AI Qian.Non-intrusive Underdetermined Blind Power Source Separation for Distribution Network Based on Gate Recurrent Unit and Ensemble Empirical Mode Decomposition Algorithm[J].Automation of Electric Power Systems,2023,47(14):64-71. DOI： 10.7500/AEPS20221231001.

摘要

针对目前配电网级非侵入式功率监测和盲源分离问题，文中提出了一种新的欠定功率信号分离方法，将门控循环单元（GRU）网络和集合经验模态分解（EEMD）算法结合起来。首先，利用分时段、分类别的GRU网络功率辨识模型得到源信号估计，将估计结果和EEMD算法联合得到升维非欠定的功率信号。然后，利用辨识网络解决快速独立成分分析提取源信号的顺序不定问题。最后，通过对含综合能源的配电网实测信号分析验证了所提方法的可行性。

Abstract

For the current problem of non-intrusive power identification and blind power source separation at the distribution network level

a new method for underdetermined power signal separation is proposed in this paper

which combines the gate recurrent unit (GRU) network and the ensemble empirical mode decomposition (EEMD) algorithm. First

a time-period and categorical GRU network power identification model is used to obtain the estimation of the source signal

and the estimated results are combined with the EEMD algorithm to obtain the boosted non-underdetermined power signal. Then

the identification network is used to solve the sequential indeterminacy problem of extracting source signals by fast independent component analysis. Finally

the feasibility of the proposed method is verified by analyzing the measured signals of the distribution network with integrated energy.

关键词

Keywords

references

HART G W . Nonintrusive appliance load monitoring ［J］. Proceedings of the IEEE ， 1992 ， 80 （ 12 ）： 1870 - 1891 .

崔亮节，孙毅，刘耀先，等 . 考虑分时段状态行为的非侵入式负荷分解方法［J］. 电力系统自动化， 2020 ， 44 （ 5 ）： 215 - 222 .

CUI Liangjie ， SUN Yi ， LIU Yaoxian ， et al . Non-intrusive load disaggregation method considering time-phased state behavior ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 5 ）： 215 - 222 .

廖荣文，刘刚，肖刚 . 基于时间模糊化长短时记忆的非侵入式负荷分解方法［J］. 电力系统自动化， 2021 ， 45 （ 24 ）： 73 - 80 .

LIAO Rongwen ， LIU Gang ， XIAO Gang . Non-intrusive load decomposition method based on time-fuzzified long short-term memory ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 24 ）： 73 - 80 .

CAMENISCH J ， KOHLWEISS M ， SORIENTE C . An accumulator based on bilinear maps and efficient revocation for anonymous credentials ［C］// The 12th International Conference on Practice and Theory in Public Key Cryptography： PKC’09 ， March 18-20 ， 2009 ， Irvine， USA ： 481 - 500 .

刘岩，王玉君，杨晓坤，等 . 基于KPCA和XGBoost算法的非侵入式负荷辨识方法［J/OL］. 电测与仪表［ 2022-12-31 ］. https：//kns.cnki.net/kcms/detail/23.1202.TH.20210520.1648.002.html https://kns.cnki.net/kcms/detail/23.1202.TH.20210520.1648.002.html .

LIU Yan ， WANG Yujun ， YANG Xiaokun ， et al . Non-intrusive load identification method based on KPCA and XGBoost algorithm ［J/OL］. Electrical Measurement & Instrumentation ［ 2022-12-31 ］. https：//kns.cnki.net/kcms/detail/23.1202.TH.20210520.1648.002.html https://kns.cnki.net/kcms/detail/23.1202.TH.20210520.1648.002.html .

刘一铭，李惠民，王乐挺，等 . 基于卷积神经网络的非侵入式负荷监测方法［J/OL］. 电测与仪表［ 2022-12-31 ］. https：//kns.cnki.net/kcms/detail/23.1202.TH.20200826.1429.012.html https://kns.cnki.net/kcms/detail/23.1202.TH.20200826.1429.012.html .

LIU Yiming ， LI Huimin ， WANG Leting ， et al . A convolutional neural network based non-intrusive load monitoring method ［J/OL］. Electrical Measurement & Instrumentation ［ 2022-12-31 ］. https：//kns.cnki.net/kcms/detail/23.1202.TH.20200826.1429.012.html https://kns.cnki.net/kcms/detail/23.1202.TH.20200826.1429.012.html .

韩笑，邓春宇，张玉天，等 . 基于高频数据 V - I 特性的延时反馈负荷在线快速辨识算法［J］. 电力系统自动化， 2019 ， 43 （ 9 ）： 108 - 116 .

HAN Xiao ， DENG Chunyu ， ZHANG Yutian ， et al . Fast online identification algorithm for delayed feedback load based on V - I characteristics of high frequency data ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 9 ）： 108 - 116 .

丁昊，杨乐，石鸿凌，等 . 利用数据可视化实现智能非侵入式负荷辨识［J］. 华中科技大学学报（自然科学版）， 2021 ， 49 （ 10 ）： 85 - 90 .

DING Hao ， YANG Le ， SHI Hongling ， et al . Realize intelligent non-intrusive load identification by using data visualization ［J］. Journal of Huazhong University of Science and Technology （Natural Science Edition）， 2021 ， 49 （ 10 ）： 85 - 90 .

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 .

王守相，孙智卿，孔繁钢，等 . 面向需求响应的建筑用能在线分解方法［J］. 电力自动化设备， 2017 ， 37 （ 3 ）： 1 - 6 .

WANG Shouxiang ， SUN Zhiqing ， KONG Fangang ， et al . Online building energy disaggregation orienting to demand response ［J］. Electric Power Automation Equipment ， 2017 ， 37 （ 3 ）： 1 - 6 .

SINGH S ， MAJUMDAR A . Analysis co-sparse coding for energy disaggregation ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 1 ）： 462 - 470 .

武昕，王震 . 基于负熵估计的居民用电负荷非侵入式分解算法［J］. 电网技术， 2017 ， 41 （ 3 ）： 931 - 937 .

WU Xin ， WANG Zhen . A non-intrusive decomposition algorithm for resident power load based on negative entropy estimation ［J］. Power System Technology ， 2017 ， 41 （ 3 ）： 931 - 937 .

宁剑，江长明，张哲，等 . 可调节负荷资源参与电网调控的思考与技术实践［J］. 电力系统自动化， 2020 ， 44 （ 17 ）： 1 - 8 .

NING Jian ， JIANG Changming ， ZHANG Zhe ， et al . Thinking and technical practice of adjustable load resources participating in dispatching and control of power grid ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 17 ）： 1 - 8 .

李春燕，王东，张鹏，等 . 计及负荷聚合商调度优先权的独立微网双层实时调度模型［J］. 电力系统自动化， 2017 ， 41 （ 6 ）： 37 - 43 .

LI Chunyan ， WANG Dong ， ZHANG Peng ， et al . Double layer real-time scheduling model of independent microgrid considering scheduling priority of load aggregators ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 6 ）： 37 - 43 .

汪敏，张孟健，禹洪波，等 . 基于EEMD和特征降维的非侵入式负荷分解方法研究［J/OL］. 电测与仪表［ 2022-12-31 ］. https：//kns.cnki.net/kcms/detail/23.1202.TH.20220525.1423.006.html https://kns.cnki.net/kcms/detail/23.1202.TH.20220525.1423.006.html .

WANG Min ， ZHANG Mengjian ， YU Hongbo ， et al . Research on non-invasive load decomposition method based on EEMD and feature dimensionality reduction ［J/OL］. Electrical Measurement & Instrumentation ［ 2022-12-31 ］. https：//kns.cnki.net/kcms/detail/23.1202.TH.20220525.1423.006.html https://kns.cnki.net/kcms/detail/23.1202.TH.20220525.1423.006.html .

李妙珍，李舜酩，陆建涛 . 齿轮故障识别的密度峰值聚类欠定盲源分离方法［J］. 航空动力学报， 2022 ， 37 （ 5 ）： 1010 - 1019 .

LI Miaozhen ， LI Shunming ， LU Jiantao . Underdetermined blind source separation based on density peak clustering for gear fault identification ［J］. Journal of Aerospace Power ， 2022 ， 37 （ 5 ）： 1010 - 1019 .

吴春华，徐文新，李智华，等 . 光伏系统直流电弧故障检测方法及其抗干扰研究［J］. 中国电机工程学报， 2018 ， 38 （ 12 ）： 3546 - 3555 .

WU Chunhua ， XU Wenxin ， LI Zhihua ， et al . Study on detection method and its anti-interference of DC arc fault for photovoltaic system ［J］. Proceedings of the CSEE ， 2018 ， 38 （ 12 ）： 3546 - 3555 .

HASSAN N ， RAMLI D A . A comparative study of blind source separation for bioacoustics sounds based on FastICA， PCA and NMF ［J］. Procedia Computer Science ， 2018 ， 126 ： 363 - 372 .

王增平，赵兵，纪维佳，等 . 基于GRU-NN模型的短期负荷预测方法［J］. 电力系统自动化， 2019 ， 43 （ 5 ）： 53 - 58 .

WANG Zengping ， ZHAO Bing ， JI Weijia ， et al . Short-term load forecasting method based on GRU-NN model ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 5 ）： 53 - 58 .

WU Z H ， HUANG N E . Ensemble empirical mode decomposition： a noise-assisted data analysis method ［J］. Advances in Adaptive Data Analysis ， 2009 ， 1 （ 1 ）： 1 - 41 .

孔祥玉，李闯，郑锋，等 . 基于经验模态分解与特征相关分析的短期负荷预测方法［J］. 电力系统自动化， 2019 ， 43 （ 5 ）： 46 - 52 .

KONG Xiangyu ， LI Chuang ， ZHENG Feng ， et al . Short-term load forecasting method based on empirical mode decomposition and feature correlation analysis ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 5 ）： 46 - 52 .

王振浩，王翀，成龙，等 . 基于集合经验模态分解和深度学习的光伏功率组合预测［J］. 高电压技术， 2022 ， 48 （ 10 ）： 4133 - 4142 .

WANG Zhenhao ， WANG Chong ， CHENG Long ， et al . Photovoltaic power combined prediction based on ensemble empirical mode decomposition and deep learning ［J］. High Voltage Engineering ， 2022 ， 48 （ 10 ）： 4133 - 4142 .

李晶，王虎，赵恒淼 . 基于负熵FastICA的设备声音盲分离算法［J］. 信息技术， 2018 ， 42 （ 2 ）： 82 - 85 .

LI Jing ， WANG Hu ， ZHAO Hengmiao . A negentropy FastICA based blind source separation algorithm for electrical devices ［J］. Information Technology ， 2018 ， 42 （ 2 ）： 82 - 85 .

罗烨钶，陈永高，李升才 . 基于Fast-ICA算法的改进EEMD算法在桥梁工程中的运用［J］. 公路交通科技， 2021 ， 38 （ 2 ）： 62 - 72 .

LUO Yeke ， CHEN Yonggao ， LI Shengcai . Application of improved EEMD algorithm in bridge engineering based on Fast-ICA algorithm ［J］. Journal of Highway and Transportation Research and Development ， 2021 ， 38 （ 2 ）： 62 - 72 .

季策，孙梦雪，张君 . 基于EMD改进算法的欠定混合盲分离［J］. 东北大学学报（自然科学版）， 2018 ， 39 （ 8 ）： 1108 - 1113 .

JI Ce ， SUN Mengxue ， ZHANG Jun . Underdetermined blind separation based on improved EMD algorithm ［J］. Journal of Northeastern University （Natural Science）， 2018 ， 39 （ 8 ）： 1108 - 1113 .

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

暂无数据