典型文献
基于深度学习算法的非侵入式工业负荷分解方法
文献摘要：
对工业用户进行负荷感知、分析和管理是推进智能电网建设的重要一步.非侵入式负荷分解需要根据用户总负荷来推断识别用户用电设备的负荷并提高电力用户的隐私安全.以往负荷建模和分解的对象主要为家用电器负荷,针对工业用户的负荷分解具有负荷特征较少和设备状态难以建模的问题.本文提出一种对设备差分负荷频谱曲线聚类的方法建模工业设备的负荷状态,并将负荷状态作为分解目标.然后,以具有时间依赖关系的双向长短期记忆神经网络为主干构建了一个由总负荷序列到各设备负荷状态序列的分解模型.最后,基于乌兰察布地区某工厂的月度负荷数据开展案例研究,使用本文方法得到的四台设备负荷状态平均准确率、精确率、召回率、F1_score值均超过90％,取得了良好的分解效果.
文献关键词：
负荷分解;工业负荷;非侵入式;聚类;深度学习
中图分类号：
作者姓名：
尹利;于波;马飞;朱生荣;金溢杭;袁志昌;熊春晖
作者机构：
内蒙古电力(集团)有限责任公司乌兰察布电业局,内蒙古 乌兰察布100176;北京智中能源互联网研究院有限公司,北京100048;清华大学电机工程与应用电子技术系,北京100084
文献出处：
引用格式：
[1]尹利;于波;马飞;朱生荣;金溢杭;袁志昌;熊春晖-.基于深度学习算法的非侵入式工业负荷分解方法)[J].电工电能新技术,2022(05):61-70
A类：
B类：
深度学习算法,工业负荷,分解方法,工业用户,负荷感知,智能电网建设,非侵入式负荷分解,总负荷,户用,用电设备,电力用户,隐私安全,负荷建模,家用电器,负荷特征,设备状态,频谱曲线,曲线聚类,工业设备,负荷状态,时间依赖,依赖关系,双向长短期记忆神经网络,负荷序列,列到,分解模型,乌兰察布,月度,负荷数据,四台,平均准确率,精确率,召回率,score
AB值：
0.388888
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
