特征选择及数据质量对负荷识别算法的影响研究

非侵入式负荷监测(Non-Intrusive Load Monitoring,NILM)是电网对需求侧进行精细化管理的关键技术之一,NILM通过实时监控用户用电设备的运行状态与能耗状况,为电网侧制定调度策略及用户侧制定节能计划提供了重要依据.在家庭NILM系统中,识别精度、实时性和实现成本是评价负荷识别算法的重要指标,选择唯一性强、维度低的负荷特征可提升负荷识别模型的精度和实时性,在不牺牲精度的前提下,降低数据采集频率,有助于控制硬件成本.本文提取了用电设备稳态运行时的形状和幅值特征,测试了改进kNN算法对不同特征组合的识别效果,筛选出唯一性最强的负荷特征为形状特征与幅值特征的组合.然后在此基础上,以采样频率和V-I轨迹分辨率为自变量,通过实验研究了数据质量与识别效果的对应关系,找出导致识别效果下降的采样频率和分辨率的临界点.