电工电能新技术

作者：高波1， 董增波2， 李飞1， 史轮1， 陶鹏1， 孙毅3， 陈明昊3

单位：1.国网河北省电力有限公司营销服务中心， 河北 石家庄 050035；
2.国网河北省电力有限公司， 河北 石家庄 050021；
3.华北电力大学电气与电子工程学院， 北京 102206

关键词：机器学习； 负荷分解； 长短时记忆网络； 图注意力网络； 特征提取

基金：国网河北省电力公司科技项目(SGHEYX00SCJS2100192)

目前负荷分解模型大都面向城市用户，忽视了农业用电场景下的负荷关联特性，导致现有负荷分解模型在该场景下的分解效果较差，本文提出了一种基于深度学习与改进负荷行为关联图的农业用户非侵入式负荷分解方法。该方法首先采用One-hot编码构建包含离散和连续影响因素的负荷特征矩阵；其次，运用负荷行为关联图来表征用户不同负荷设备间关联关系，并采用图注意力网络对负荷间相关性进行权重优化；最后，构建基于卷积神经网络和长短时记忆网络的农业用户负荷分解模型并进行训练部署。仿真结果显示，本文所提出的基于深度学习与改进负荷行为关联图的农业用户非侵入式负荷分解方法相比现有方法分别获得4.34%和2.02%的负荷分解精度提升，并更加适用于农业用电场景。

来源：2024年第1期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2024年第1期