一种基于双态特征匹配与云边端协同的电力负荷辨识方法

本发明涉及电力负荷辨识技术领域，具体涉及一种基于双态特征匹配与云边端协同的电力负荷辨识方法，包括：构建负荷事件启动和关闭事件特征子集，建立负荷事件与用电设备相关性模型作为第一模型；利用Gini指数的节点顺序优化策略，开发有向无环图支持向量机的负荷辨识方法作为第二模型；构建基于Mediod shift聚类与稳态特征分析的负荷辨识算法作为第三模型；整合第一模型、第二模型和第三模型进行训练，以构建基于云端的深度学习Bi‑LSTM算法的深度神经网络负荷辨识模型，建立云边端协同辨识机制。本发明通过对不同电器的启停过程进行有效判断，从而实现更加精准和高效的电力负荷辨识。