基于在线压缩重构的非侵入式电力负荷监测

摘要

对家庭场景下电力负荷的精确监测常依赖复杂庞大的算法模型，难以在边缘设备中部署。同时，海量电力数据给电力网络通信带来了巨大的挑战。本文针对以上问题，提出了一种分布式非侵入式电力负荷监测方法。通过基于注意力机制的长短时记忆网络（LSTM）负荷监测算法计算并识别负荷设备运行状态，借助云边协同技术将负荷监测任务分布式部署于云端以及边缘端中，解决边缘算力不足的问题。针对云边通信带来的高网络带宽需求，通过基于K奇异值分解（K-SVD）双稀疏在线字典学习的压缩感知方法对负荷信号进行压缩和重构，有效缓解通信资源紧张。对比不同负荷场景下监测算法的表现，结果表明：本文负荷监测算法针对不同的负荷类型均可以保持95%以上的准确率。设计实验验证了本文压缩感知方法对电力负荷信号压缩的有效性，确定负荷数据无失真压缩感知最大压缩比。

关键词

通信与信息系统 / 非侵入式负荷监测 / 压缩感知 / 分布式部署 / 长短时记忆网络