基于DAG-SVMS 的非侵入式负荷识别方法*

王 毅 ，徐元源 ，李松浓

(1.重庆邮电大学 通信与信息工程学院，重庆 400065；2.国网重庆市电力公司电力科学研究院，重庆 404100)

0 引言

智能电网建设是以提高生态可持续性、供电安全性和经济竞争力为目标[1]，表现为提高负荷监测技术、提高终端用户响应速度、提高需求侧的节约能效、提供智能控制技术、分布式能源的自由接入[2]。非侵入式负荷识别作为非侵入式负荷监测的核心内容，在不改变用户电路结构的条件下，通过测量总负荷数据，即可获得系统内具体用电负荷的数量、类别、运行状态信息，安装和维护成本低，易于推广。该技术的实现，可为用户、电力公司以及设备提供参考[3]。用户端，用户用电信息得到反馈，提升节能意识，规范用电行为。电力公司端，能提高负荷预测的精确度，实现有效的负荷规划、电能调度。对设备制造商来说，可据此识别出故障或低效设备，加快技术革新，推动高能效设备研发。

目前，非侵入式负荷识别技术在国内外均有研究。文献[4]利用稳态功率信息建立隐马尔科夫模型优化分解方法，对低频混合功率分解得到单个设备运行状态，但识别率不高，不能识别负荷投切时刻。文献[5]利用动态时间归整(Dynamic Time Warping，DTW)算法计算实测电流稳态波形和样本库稳态波形的相似度来识别家用负荷，但无法识别变频设备和且小功率设备容易误识。文献[6]提取负荷稳态电流谐波并结合K-近邻(K-Nearest Neighbor，K-NN)算法进行负荷识别，为提高识别效果融入了核Fisher 判别方法，综合了K-NN 的简捷性和核Fisher 的非线性识别能力，但谐波信息易受外界环境影响，且小功率设备谐波易被大功率设备湮没。……