文献类型：期刊文章

作　　者：赵文清[1,2] 张诗满[1] 李刚[1,2]

ZHAO Wenqing;ZHANG Shiman;LI Gang(Department of Computer,North China Electric Power University,Baoding 071003,China;Engineering Research Center of Intelligent Computing for Complex Energy Systems,Ministry of Education,North China Electric Power University,Baoding 071003,China)

机构地区：[1]华北电力大学计算机系,河北保定071003 [2]华北电力大学复杂能源系统智能计算教育部工程研究中心,河北保定071003

出　　处：《电力自动化设备》

基　　金：国家自然科学基金资助项目(51407076);中央高校基本科研业务费专项资金资助项目(2020MS119)。

年　　份：2020

卷　　号：40

期　　号：6

起止页码：8-14

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：现有的非侵入式负荷监测方法主要采用监督学习模型,该类模型需要具有针对性的大量训练数据,而且无法有效识别在训练数据中未出现的负荷。在分析多种家用电器负荷特征的基础上,选取负荷投切过程中暂态功率波形和功率变量作为负荷特征,并提出一种基于聚类和关联分析的无监督学习居民用户非侵入式负荷分解方法。首先根据功率变化情况提取电流和电压数据,并计算得到暂态功率波形;然后通过动态时间规整算法计算当前暂态功率波形与历史暂态功率波形的匹配度,并利用动态聚类算法和其他暂态负荷特征判别该功率波形对应的负荷操作;最后以周为单位对负荷操作进行关联分析,确定每种电器对应的多个暂态特征。仿真结果表明,所提方法易于实现,在准确率和可靠性方面有明显提高。

关 键 词：暂态 聚类分析 关联分析  无监督学习 非侵入式负荷分解  

分 类 号：TM73]