电工电能新技术

作者：尹利1， 于波1， 马飞1， 朱生荣1， 金溢杭3， 袁志昌2， 熊春晖3

单位：1.内蒙古电力（集团）有限责任公司乌兰察布电业局， 内蒙古 乌兰察布 100176；
2.清华大学电机工程与应用电子技术系， 北京 100084；
3.北京智中能源互联网研究院有限公司， 北京 100048

关键词：负荷分解, 工业负荷, 非侵入式, 聚类, 深度学习

基金：内蒙古电力（集团）有限责任公司项目（WD-ZXZB-2020-WZ0203-1853）

对工业用户进行负荷感知、分析和管理是推进智能电网建设的重要一步。非侵入式负荷分解需要根据用户总负荷来推断识别用户用电设备的负荷并提高电力用户的隐私安全。以往负荷建模和分解的对象主要为家用电器负荷，针对工业用户的负荷分解具有负荷特征较少和设备状态难以建模的问题。本文提出一种对设备差分负荷频谱曲线聚类的方法建模工业设备的负荷状态，并将负荷状态作为分解目标。然后，以具有时间依赖关系的双向长短期记忆神经网络为主干构建了一个由总负荷序列到各设备负荷状态序列的分解模型。最后，基于乌兰察布地区某工厂的月度负荷数据开展案例研究，使用本文方法得到的四台设备负荷状态平均准确率、精确率、召回率、F1_score值均超过90%, 取得了良好的分解效果。

来源：2022年第5期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2022年第5期