文献类型：期刊文章

作　　者：解洋[1] 梅飞[2] 郑建勇[1,3] 高昂[3] 李轩[3] 沙浩源[3]

XIE Yang;MEI Fei;ZHENG Jianyong;GAO Ang;LI Xuan;SHA Haoyuan(School of Cyber Science and Engineering,Southeast University,Nanjing 211102,China;College of Energy and Electrical Engineering,Hohai University,Nanjing 211100,China;School of Electrical Engineering,Southeast University,Nanjing 210096,China)

机构地区：[1]东南大学网络空间安全学院,江苏省南京市211102 [2]河海大学能源与电气学院,江苏省南京市211100 [3]东南大学电气工程学院,江苏省南京市210096

出　　处：《电力系统自动化》

基　　金：国家重点研发计划资助项目(2018YFB1500800)。

年　　份：2022

卷　　号：46

期　　号：4

起止页码：93-102

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：在非侵入式负荷识别中基于原始电压-电流(V-I)轨迹特征的识别方法,难以对相似轨迹特征的负荷做出有效辨识。因此,提出了一种基于V-I轨迹特征的颜色编码方法,并利用K-means聚类算法和AlexNet神经网络进行负荷特征的辨识。首先,运用K-means聚类算法对负荷的有功和无功功率特征进行初步分类。然后,对未分类成功的负荷进行V-I轨迹构建和颜色编码处理,生成带有颜色特征的V-I轨迹。最后,运用AlexNet神经网络对负荷进行训练和分类,达到快速精细化的分类效果。针对公共数据集PLAID和WHITED,运用原始V-I轨迹特征和进行颜色编码后V-I轨迹的识别效果做对比分析,可知所提方法在节省计算时间的同时也提高了识别的准确度,提升效果明显。

关 键 词：非侵入式负荷识别  V-I轨迹特征  颜色编码  AlexNet神经网络  K-MEANS聚类算法

分 类 号：TM714] TP183]