典型文献
面向居民用电负荷的非侵入式需求响应研究
文献摘要：
针对传统面向工业用电的需求响应调度方法对象单一、缺乏用户信任、难以感知具体用电负荷等问题,提出了一种面向居民用电负荷的非侵入式需求响应模型.首先构建基于一维卷积神经网络(convolutional neural network,CNN)与长短期记忆网络(long-short-term memory network,LSTM)的非侵入式负荷分解模型;然后对多个居民用户用电负荷进行分解与监测,并根据分解结果对社区内的同一种居民用电负荷集群进行功率预测;最后建立基于分时电价的需求响应模型,在仿真环境下对居民用电负荷进行调度.仿真试验结果表明,在同一家庭数据集下,结合CNN与LSTM的非侵入式负荷分解算法结果,相比降噪自编码、门控循环单元、序列到序列神经网络和循环神经网络的负荷分解,准确率可提高13.6％,在不同季节下对居民用电负荷预测的准确率约达到89.3％.本方法能够有效保障电网平稳运行,并为获取用户侧泛在电气信息及为居民用电负荷参与电网调峰智能化提供了途径与方法.
文献关键词：
非侵入式;需求响应;负荷监测;神经网络;居民用电负荷
中图分类号：
作者姓名：
咸超;张金江
作者机构：
浙江科技学院自动化与电气工程学院,杭州310023
文献出处：
引用格式：
[1]咸超;张金江-.面向居民用电负荷的非侵入式需求响应研究)[J].浙江科技学院学报,2022(05):391-399
A类：
居民用电负荷预测
B类：
响应研究,工业用电,响应调度,调度方法,用户信任,体用,需求响应模型,一维卷积神经网络,convolutional,neural,network,长短期记忆网络,long,short,term,memory,非侵入式负荷分解,分解模型,居民用户,户用,解结,功率预测,分时电价,仿真环境,仿真试验,比降,降噪自编码,门控循环单元,序列到序列,循环神经网络,不同季节,节下,取用,用户侧,泛在,电气信息,电网调峰,途径与方法,负荷监测
AB值：
0.254345
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
