基于用户用电行为和粒子群算法的非侵入式负荷识别方法
丁屹峰
1
,杨
烁
1,
赵
乐
1
,焦
然
1
,马龙飞
1
,许仪勋
2
,王洪安
2
【摘
要】
居民用电行为是影响负荷识别的重要因素之一,通过研究居民用电行
为,结合粒子群算法,提出一种负荷识别方法。以负荷的有功功率和电流谐波
作为负荷特征,引入正态分布的度量函数将
2
种负荷特征相结合作为目标函数,
即粒子群算法的适应度函数。通过粒子群算法得到局部最优与次优的状态组合
和适应度值,并将适应度值与居民用电行为相结合,得到最优电力负荷分解结
果。基于
REDD
数据的实例仿真结果表明,居民用电行为与粒子群寻优算法相
结合可以提高电力负荷分解的准确度。
【期刊名称】
电力科学与技术学报
【年
(
卷
),
期】
2018(033)004
【总页数】
7
【关键词】
关
键
词:居民用电行为;电力负荷分解;粒子群算法;适应度函数;
有功功率;电流谐波
修回日期:
2017-11-19
基金项目:国家青年科学基金
(51607112)
在智能用电
[1]
发展过程中,负荷识别发挥着重要作用。通过研究负荷识别技术,
可以帮助居民用户更清晰地了解自身家用电器的使用情况,达到节能减排的目
的
[2]
。
20
世纪
80
年代,
George
W.Hart[3]
提出了非侵入式负荷监测
(Non-intrusive
Load
Monitoring
,
NILM)
技术。目前,非侵入式的负荷分解与识别方法成为
国内外研究的热门问题,最近的研究热点为特征识别和智能算法。