基于VMD-LSTM的非侵入式負(fù)荷識(shí)別方法
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大?。?span>4485 K
標(biāo)簽： 變分模態(tài)分解 智能電網(wǎng) LSTM
所需積分：0分積分不夠怎么辦？
文檔介紹：非侵入式負(fù)荷識(shí)別（Non-Intrusive Load Monitoring， NILM）技術(shù)僅基于家庭電源總?cè)肟谔幍碾娏鳌㈦妷盒畔?，獲得室內(nèi)電器設(shè)備的電氣信息。提高負(fù)荷識(shí)別的精度，對(duì)于優(yōu)化能源結(jié)構(gòu)、提高電能利用效率、降低能耗、節(jié)約資源具有重要意義。首先應(yīng)用變分模態(tài)分解（Variational Mode Decomposition， VMD）對(duì)歸一化的電流信號(hào)分解為K個(gè)IMF分量，再估計(jì)各個(gè)分量與歸一化電流信號(hào)的相關(guān)系數(shù)，挑選相關(guān)系數(shù)最大的兩個(gè)分量作為負(fù)荷特征，輸入訓(xùn)練好的LSTM神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別。算例測(cè)試結(jié)果表明，該方法在公開數(shù)據(jù)集PLAID上的識(shí)別率高達(dá)99%，在實(shí)驗(yàn)室采集的數(shù)據(jù)集上的識(shí)別率為96.6%，證實(shí)了所提出方法對(duì)提升負(fù)荷識(shí)別精度有顯著效果。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。