考虑辨识结果连续性的Type-Ⅲ型工商业负荷辨识方法

段 晶，李 勇，张振宇，李巍巍，蒋 林，李 磊

（1. 湖南大学电气与信息工程学院，湖南省长沙市 410082；2. 长沙新奥长燃能源发展有限公司，湖南省长沙市 410005；3. 利物浦大学电气工程与电子系，利物浦L69 3BX，英国；4. 长沙新奥湘江新能源发展有限公司，湖南省长沙市 410005）

0 引言

为提高电力用户终端负荷的能源利用效率、减少电量消耗、促进用户参与需求侧管理或实现远程优化控制，电力负荷的在线监测必不可少［1-2］。电力负荷的在线监测方法主要有侵入式负荷监测（ILM）和非侵入式负荷监测（NILM）两种。ILM 需要为每个监测设备配置一个或多个传感器，虽然监测结果更为准确，但成本高、配置复杂、维护困难。NILM的概念最早由Hart 于1992 年提出［3］，它只需在被监测系统的电力入口处安装一个电力信息采集装置，再通过信号分析和处理实现负荷的分解与辨识，虽然精度稍低，但是硬件结构简单，便于安装和维护，更切合智能电网建设的实际需求［4-5］。因此，近年来NILM 方法的研究备受国内外学者的关注。

负荷辨识是负荷监测的核心内容，负荷辨识方法可分为三大类：优化方法、监督学习方法和无监督学习方法。优化方法是负荷辨识最直接的方法，将提取的负荷特征数据与模板库中的特征数据进行对比，采用优化算法最小化误差，找到匹配度最高的电气设备状态组合，包括动态时间弯曲（DTW）算法［6］、遗传算法［7］、粒子群优化算法［8］等，但优化方法进行负荷辨识普遍需要根据历史信息提前建立负荷特征模板库。……