基于行为影响因子的非侵入式负荷实时分解算法

TM73; 针对传统非侵入式负荷分解算法准确率低、计算较耗时等问题,在隐马尔科夫模型(HMM)的基础上提出基于行为影响因子的负荷实时分解算法.使用自适应的迭代K-means聚类方法提取负荷状态,并将负荷状态组合成超状态.针对传统HMM没有考虑用电场景时间特性的缺陷,对参数进行时间分段学习.在分解阶段引入用户用电行为模式的影响因子,改进隐马尔科夫齐次假设,并利用维特比算法分解出用户的各个负荷的实时状态.通过公开数据集验证了所提算法的准确性和实时性....

Full description

Saved in:
Bibliographic Details
Published in电力自动化设备 Vol. 41; no. 12; pp. 193 - 199
Main Authors 蔡宇, 董树锋, 徐航, 毛航银, 宋永华
Format Journal Article
LanguageChinese
Published 浙江大学电气工程学院,浙江杭州310027%国网浙江省电力有限公司,浙江杭州310007%澳门大学电机及电脑工程系,澳门特别行政区999078 10.12.2021
Subjects
负荷分解;超状态;隐马尔科夫模型;自适应K-means;行为模式
Online AccessGet full text
ISSN1006-6047
DOI10.16081/j.epae.202107005

Cover

More Information
Summary:TM73; 针对传统非侵入式负荷分解算法准确率低、计算较耗时等问题,在隐马尔科夫模型(HMM)的基础上提出基于行为影响因子的负荷实时分解算法.使用自适应的迭代K-means聚类方法提取负荷状态,并将负荷状态组合成超状态.针对传统HMM没有考虑用电场景时间特性的缺陷,对参数进行时间分段学习.在分解阶段引入用户用电行为模式的影响因子,改进隐马尔科夫齐次假设,并利用维特比算法分解出用户的各个负荷的实时状态.通过公开数据集验证了所提算法的准确性和实时性.
ISSN:1006-6047
DOI:10.16081/j.epae.202107005