基于卷积神经网络的非侵入式负荷监测方法

摘要

从深度学习与边缘计算的角度,对适用于电力物联网的非侵入式负荷监测方法展开了研究。针对NILM系统在物联网场景下的部署问题,提出了一种新的边缘计算架构,并讨论了各组成部分的任务分配。针对负荷激活在线提取问题,提出了基于离散度和用电行为规律分析的激活判断策略;针对低频采样下的负荷特征问题,提出了一种可自动提取激活特征并识别类型的卷积神经网络架构,并通过分析负荷激活的背景功率、功率波动等特性,定义了三个一般性特征作为补充。最后,在民用数据集上进行了实验,证明了文中算法在泛化性能和计算效率方面的提升。