基于CEEMDAN-CNN的非侵入式负荷监测方法研究  

作　　者：缪金 吴俊锋 蒋煊 

机构地区：[1]国网江苏省电力有限公司无锡供电分公司

出　　处：《电气技术与经济》2025年第4期8-11,共4页Electrical Equipment and Economy

摘　　要：负荷监测作为负荷需求侧管理的重要一环,其高识别准确率往往需要高信息特征密度,然而,面对负荷信息质量较差的用户时负荷识别效果难以保证。针对上述问题,提出了一种仅采用有限信息特征的非侵入式负荷监测方法。首先对提取的事件特征采用完全自适应噪声集合经验模态分解(CEEMDAN)算法,扩充事件信号序列的信息量;而后通过卷积神经网络(CNN)对信号特征图进行训练得到负荷识别模型;最后,依据该模型得到负荷识别结果。算例证明,该方法可以在信号密度低的情况下保持较高的负荷识别精度,泛化能力强。

关 键 词：非侵入式负荷监测 卷积神经网络 完全自适应噪声集合经验模态分解 负荷识别 

分 类 号：TM714[电气工程—电力系统及自动化]