基于SDP信息融合的用电特征分析及负荷识别方法研究

针对多标签负荷识别信息缺失的问题,提出了基于对称点图案分解法(symmetrized dot pattern,SDP)信息融合的用电负荷特征分析及智能识别方法。针对模态混叠和残余辅助噪声问题,使用互补集合经验模态分解(complementary ensemble mode decomposition,CEEMD)分解提取电流的周期信号,提高了信号分解的鲁棒性并减小了重构误差;针对特征提取的信息缺失问题提出了基于SDP的负荷融合特性分析方法,提高了特征信息的完备性。在此基础上,提出SDP-YOLOv5的负荷识别方法,建立了SDP-YOLOv5的负荷智能识别模型。通过实验研究显示,该方法的负荷识别精度达到了98%,保证了非侵入式负荷监测水平。