基于卷积神经网络的非侵入式负荷识别研究

为了解决一般情况下基于暂态事件检测计算特征值进行负荷识别所提取到的负荷特征有限,不能尽可能地反映出负荷本身的特性的问题,对如何通过卷积神经网络对电器的V-I轨迹的图像信息进行特征提取,挖掘电器运行时更深层次的信息进行研究。提出一种基于傅里叶变换和反变换的电流波形分解算法,从而在多个电器同时运行时能计算出单个电器开启或关闭时较为准确的V-I轨迹图像。经实例验证,此负荷识别方法对特征较为相似的不同电器仍能准确识别,而且所使用的网络通过大型的图像数据集进行预训练能避免过拟合问题。