一种基于改进VI轨迹的卷积神经网络的负荷识别方法

一种基于改进VI轨迹的卷积神经网络负荷识别方法，涉及电力负荷识别技术领域。本发明在获得独立负荷电流波形的基础上，结合电压波形，将传统的单周期VI轨迹改进为绘制多周期VI轨迹，同时引入瞬时功率、电流变化率与多周期电流有效值的平均值特征，实现对VI轨迹和其背景的双重颜色编码改进，以提升VI轨迹所包含的负荷特征表征能力。将改进后的VI轨迹作为CNN中的VGGNet网络框架的输入，实现负荷识别。针对VGGNet网络超参数对识别精度的影响，在网络训练过程中选用粒子群优化PSO算法对超参数进行寻优，以提升模型的负荷识别准确性。