【技术实现步骤摘要】
本专利技术属于电力系统智能用电，具体涉及一种基于深度神经网络的非侵入式负荷分解方法及系统。
技术介绍
1、在绿色转型的社会背景下，新能源发展迅速，并网容量不断增加，成为电网的重要组成部分；然而，随着新能源规模的急剧增加，电网的稳定运行面临了严峻挑战。
2、电网的新能源接纳能力不足导致了严重的弃风、弃光现象，因此如何有效地消纳新能源出力成为当前研究的热点问题；仅靠传统模式下调整发电侧资源的方式，很难保证电网的安全、稳定、经济运行，因此，未来电力系统的发展势必需要需求侧用户负荷资源的积极参与和系统的调控。需求响应技术使得用户负荷成为一种相对可控的资源，电力系统可以通过分时电价、尖峰电价、直接负荷控制等手段实现负荷用能管理，达到削峰填谷、负荷转移的目的。
3、然而，负荷种类复杂、数量众多、分布零散，如何获得较准确的负荷构成类型、可控信息，有效提取负荷可调节部分成为一项关键课题。
技术实现思路
1、本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于深度神...
【技术保护点】
1.一种基于深度神经网络的非侵入式负荷分解方法，其特征在于，采集用户总负荷的电压电流数据；基于得到的用户总负荷的电压电流数据，确定有功功率曲线并检测有功功率曲线中的突变点，得到负荷工作信号；利用深度神经网络方法学习各用电负荷的特征模式，识别所述负荷工作信号。
2.根据权利要求1所述的基于深度神经网络的非侵入式负荷分解方法，其特征在于，采集用户总负荷的电压电流数据具体为：
3.根据权利要求2所述的基于深度神经网络的非侵入式负荷分解方法，其特征在于，一个周期内的多次谐波具体为：
4.根据权利要求1所述的基于深度神经网络的非侵入式负荷分解...
【技术特征摘要】
1.一种基于深度神经网络的非侵入式负荷分解方法，其特征在于，采集用户总负荷的电压电流数据；基于得到的用户总负荷的电压电流数据，确定有功功率曲线并检测有功功率曲线中的突变点，得到负荷工作信号；利用深度神经网络方法学习各用电负荷的特征模式，识别所述负荷工作信号。
2.根据权利要求1所述的基于深度神经网络的非侵入式负荷分解方法，其特征在于，采集用户总负荷的电压电流数据具体为：
3.根据权利要求2所述的基于深度神经网络的非侵入式负荷分解方法，其特征在于，一个周期内的多次谐波具体为：
4.根据权利要求1所述的基于深度神经网络的非侵入式负荷分解方法，其特征在于，检测有功功率曲线中的突变点具体为：
5.根据权利要求4所述的基于深度神经网络的非侵入式负荷分解方法，其特征在于，差分和运算具体为：
6.根据权利...
【专利技术属性】
技术研发人员：李更丰，胡欣月，张理寅，闫泽辉，尹冰若，黄奇峰，庄重，杨世海，段梅梅，盛举，黄艺璇，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。