基于级联宽度学习与麻雀算法的非侵入式负荷分解方法_中国煤炭行业知识服务平台

基于级联宽度学习与麻雀算法的非侵入式负荷分解方法

作者

白星振康家豪尚继伟郝春蕾王雪梅
单位

山东科技大学电气与自动化工程学院国网山东省电力公司汶上县供电公司山东科技大学工程实训中心
摘要

深度学习被广泛应用于非侵入式负荷分解中，其分解精度高但存在网络结构复杂、训练过程极度耗时等问题，并且对计算资源有一定要求，难以与嵌入式设备集成使用。对此，面向低频数据，提出一种基于级联宽度学习与麻雀算法的非侵入式负荷分解方法。首先，改进宽度学习特征节点的连接方式，构建各目标设备的级联宽度学习负荷分解网络。然后，通过麻雀搜索算法确定各目标设备分解网络的最优特征节点和增强节点数，实现负荷的高效分解。最后，基于实际数据集UK-DALE进行了仿真实验，通过与常用的非侵入式负荷分解方法进行比较，验证了所提方法的优越性。
关键词

非侵入式负荷分解宽度学习麻雀算法特征节点级联
文章目录

1 基于SSA-CFBLS的非侵入式负荷分解方法
1.1 低频数据的非侵入式负荷分解
1.2 CFBLS负荷分解网络
1.3 麻雀优化算法
2 负荷分解流程
1) 训练数据的构建。
2) 训练分解网络。
3) 应用SSA-CFBLS网络进行负荷分解。
3 算例分析
3.1 评价指标
3.2 SSA参数优化结果
3.3 SSA-CFBLS负荷分解结果分析
3.4 应用可行性分析
4 结论