[发明专利]一种基于PCA与LSTM神经网络的非侵入式负荷辨识方法

摘要

本发明提供一种基于PCA与LSTM神经网络的非侵入式负荷辨识方法，涉及非侵入式负荷辨识技术领域。该方法包括：从家庭用电负荷数据中分别提取负荷时间特征序列；对提取的负荷时间特征序列进行数据融合并作为改进负荷辨识模型的输入数据；对LSTM神经网络输出结果进行改进使其转化为一维功率数据；将融合计算得到的数据作为输入数据，将单个家用电器的功率数据作为输出，获得多个训练完毕的神经网络；对已训练完毕的神经网络进行算法集成，得到完整的非侵入式负荷辨识模型。本方法实现对无明显运行周期负荷以及小功率负荷的有效辨识，拓宽了负荷辨识的种类范围，提高了识别的效果，实现对家庭用电负荷的高精度辨识。

主权项

1.一种基于PCA与LSTM神经网络的非侵入式负荷辨识方法，其特征在于，包括以下步骤：步骤1：从负荷总功率数据中提取负荷时间特征序列，包括负荷功率的瞬时变化特征序列、负荷功率的区域变化特征序列以及负荷功率标准化特征序列；步骤2：利用主成分分析法对所提取到的负荷时间特征序列进行数据融合，构建负荷时序特征数据库；步骤3：利用全连接神经网络对LSTM神经网络的输出层进行改进，使LSTM神经网络的输出数据由多维转化为一维功率数据；步骤4：将负荷时序特征数据库中的数据作为输入数据，单个家用电器的功率数据作为输出数据，采用Dropout算法对改进后的LSTM神经网络进行l次训练，获得l个训练完毕的LSTM神经网络；步骤5：采用Bagging算法对l个已训练完毕的LSTM神经网络进行算法集成，得到完整的非侵入式负荷辨识模型。