基于近邻传播聚类和遗传优化的非侵入式负荷分解方法

负荷监测和分解的研究具有广阔前景,将用电信息细化到内部用电细节,对智能电网中的双向互动、需求侧管理等具有较高应用价值,可为电力公司、用户等带来效益。针对现有非侵入式负荷监测和分解(NILMD)方法缺乏对用户用电特性的关注、多工作状态负荷处理的问题,细分用户用电模式,在对负荷按工/休日进行近邻传播(AP)聚类分析的基础上,增加设备工作状态合理性判断并结合遗传优化实现从总功率中分解出不同负荷设备及其对应工作状态。算例结果表明,所提方法可有效地辨识负荷类型和工作情况。该方法以稳态功率作为负荷特征,对一般的采样设备友好,数据获取较为简易,减少了硬件成本。