基于IPSO-FHMM的非侵入式负荷分解  

Non-intrusive Load Disaggregation Based on IPSO-FHMM

作　　者：李岢淳 李兵 LI Ke-Chun;LI Bing(School of Mathematics and Statistics,Chongqing Jiaotong University,Chongqing 400074,China)

机构地区：[1]重庆交通大学数学与统计学院,重庆400074

出　　处：《计算机系统应用》2023年第8期214-220,共7页Computer Systems & Applications

基　　金：国家自然科学基金(62273066);重庆市教委科技项目重大项目(KJZD-M202100701);重庆市高校创新研究群体项目(CXQT21021);重庆市研究生联合培养基地项目(JDLHPYJD2021016)。

摘　　要：非侵入式负荷分解是智能用电系统的一个重要环节,可深入分析用户的用电信息,对负荷预测、需求侧管理及电网安全有重要意义.本文提出了一种基于改进粒子群优化因子隐马尔可夫模型(IPSO-FHMM)的非侵入式负荷分解方法.利用高斯混合模型(GMM)对单负荷进行状态聚类,总负载模型由因子隐马尔可夫模型表示.针对Baum-Welch算法容易收敛于局部极值的问题,将线性递减权重的粒子群优化算法引入到FHMM的参数训练中.使用AMPds2数据集进行仿真实验,结果表明,该模型可以有效地提高分解精度.Non-intrusive load decomposition is an important part of the intelligent power consumption system,which can deeply analyze the power consumption information of users and is of great significance to load forecasting,demand side management,and power grid security.This study proposes a non-intrusive load decomposition method based on the improved particle swarm optimization factorial hidden Markov model(IPSO-FHMM).Gaussian mixture model(GMM)is used to cluster the states of individual loads.The total load model is represented by an FHMM.Since the Baum-Welch algorithm tends to converge to the local extremum,the PSO algorithm with linearly decreasing weights is introduced into the parameter training of FHMM.Simulation experiments using the AMPds2 dataset show that the model can effectively improve the decomposition accuracy.

关 键 词：非侵入式负荷分解 因子隐马尔科夫模型 鲍姆-韦尔奇算法 粒子群算法 高斯混合模型 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程] TM714[自动化与计算机技术—控制科学与工程]