空调负荷在居民用电中占据高比例,监测其运行情况具有重要意义,可以引导居民合理用电,保证电网的稳定运行,同时可为需求响应提供决策支持,缓解供需矛盾。目前空调负荷监测工作相对较少,大多作为非侵入式负荷监测的一部分来开展,选取的...空调负荷在居民用电中占据高比例,监测其运行情况具有重要意义,可以引导居民合理用电,保证电网的稳定运行,同时可为需求响应提供决策支持,缓解供需矛盾。目前空调负荷监测工作相对较少,大多作为非侵入式负荷监测的一部分来开展,选取的输入数据主要考虑通用性,较少关注空调的运行规律以及气象因素的影响,导致空调监测的准确率仍有不足。针对该问题,该文提出了基于专家知识与双分支网络的空调监测方法,基于长短时记忆神经网络(long short term memory,LSTM)构建时序分支以深度挖掘空调运行的时序特征,基于反向传播神经网络(Back Propagation,BP)构建专家知识电气特征分支以捕捉空调的运行规律。对20名用户一年真实数据的实验结果表明,与传统LSTM模型相比,该模型能实现对空调负荷的精准辨识,为空调负荷的需求响应潜力评估提供支撑。展开更多
文摘空调负荷在居民用电中占据高比例,监测其运行情况具有重要意义,可以引导居民合理用电,保证电网的稳定运行,同时可为需求响应提供决策支持,缓解供需矛盾。目前空调负荷监测工作相对较少,大多作为非侵入式负荷监测的一部分来开展,选取的输入数据主要考虑通用性,较少关注空调的运行规律以及气象因素的影响,导致空调监测的准确率仍有不足。针对该问题,该文提出了基于专家知识与双分支网络的空调监测方法,基于长短时记忆神经网络(long short term memory,LSTM)构建时序分支以深度挖掘空调运行的时序特征,基于反向传播神经网络(Back Propagation,BP)构建专家知识电气特征分支以捕捉空调的运行规律。对20名用户一年真实数据的实验结果表明,与传统LSTM模型相比,该模型能实现对空调负荷的精准辨识,为空调负荷的需求响应潜力评估提供支撑。
