微分算法 非侵入式负荷识别_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...

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。