[1]咸超,张金江.面向居民用电负荷的非侵入式需求响应研究[J].浙江科技学院学报,2022,(05):391-399.
　XIAN Chao,ZHANG Jinjiang.Research on non-intrusive demand response for residential electricity load[J].,2022,(05):391-399.
点击复制

面向居民用电负荷的非侵入式需求响应研究(/HTML)
分享到：

《浙江科技学院学报》[ISSN:2097-5236/CN:33-1431/Z]

卷:
期数:
2022年05期
页码:
391-399
栏目:
出版日期:
2022-10-31

文章信息/Info

Title:
Research on non-intrusive demand response for residential electricity load
文章编号:
1671-8798(2022)05-0391-09
作者:
咸超; 张金江
浙江科技学院 自动化与电气工程学院,杭州 310023
Author(s):
XIAN Chao;  ZHANG Jinjiang
School of Automation and Electrical Engineering, Zhejiang University of Science and Technology, Hangzhou 310023, Zhejiang, China
关键词:
非侵入式; 需求响应; 负荷监测; 神经网络; 居民用电负荷
分类号:
TM714
文献标志码:
A
摘要:
针对传统面向工业用电的需求响应调度方法对象单一、缺乏用户信任、难以感知具体用电负荷等问题,提出了一种面向居民用电负荷的非侵入式需求响应模型。首先构建基于一维卷积神经网络(convolutional neural network,CNN)与长短期记忆网络(long-short-term memory network,LSTM)的非侵入式负荷分解模型;然后对多个居民用户用电负荷进行分解与监测,并根据分解结果对社区内的同一种居民用电负荷集群进行功率预测;最后建立基于分时电价的需求响应模型,在仿真环境下对居民用电负荷进行调度。仿真试验结果表明,在同一家庭数据集下,结合CNN与LSTM的非侵入式负荷分解算法结果,相比降噪自编码、门控循环单元、序列到序列神经网络和循环神经网络的负荷分解,准确率可提高13.6%,在不同季节下对居民用电负荷预测的准确率约达到89.3%。本方法能够有效保障电网平稳运行,并为获取用户侧泛在电气信息及为居民用电负荷参与电网调峰智能化提供了途径与方法。

备注/Memo

备注/Memo:
?浙江省自然科学基金项目(LZ14E070001)
更新日期/Last Update: