基于导纳特征和遗传算法的负荷识别

孙 珂，张新燕*，谭敏刚，汤 奕

(1.新疆大学 电气工程学院，新疆 乌鲁木齐 830047；2.南京航空航天大学 电气工程学院，江苏 南京 211106；3.东南大学 电气工程学院，江苏 南京 211189)

随着用电设备数量的增长，电气火灾发生的风险随之增加.据统计，近10年的较大火灾，有半数以上由电气火灾引发.违规使用恶性负荷是宿舍火灾的主要原因，该类恶性负荷多为大功率加热设备，如热水壶、电饭锅等.通过负荷识别技术提前预警恶性负荷的使用，是降低恶性负荷引发电气火灾的有效途径之一.

合适的识别特征是进行负荷准确识别的关键，识别特征主要有：功率、谐波、V-I曲线及由多种电气特征组合的特征.文献[3]提取负荷的有功功率和无功功率特征，通过特征向量与数据库模板相似度的比较，确定家用电器的类型及其运行状态.文献[5]将负荷的总有功和无功功率作为识别特征，通过模糊C均值算法，识别负荷的运行状态.文献[6]根据设备稳态的电流谐波特征，构造方程组及目标函数，求出最优解，进而识别不同类型的设备.文献[7]分析电流和电压波形，根据电流和电压的均方根等特征识别负荷.为进一步提高识别准确性，多种特征融合的识别方法得到广泛应用.文献[12]采用了谐波、有功及无功功率组合的识别特征量.文献[13]采用了频谱包络、有功功率和无功功率组合的识别特征量，但该识别方法基于深度学习算法，需大量的训练样本，且识别准确率受训练样本的影响较……