一种基于ADASYN与深度残差网络的非侵入式负荷辨识方法

本发明公开了一种基于ADASYN与深度残差网络的非侵入式负荷辨识方法，包括：对非侵入式负荷的原始功率信号进行取样，构建数据集；采用自适应合成采样对数据集进行扩充以解决数据集不平衡引起的模型学习偏见；采用马尔可夫转移场算法对扩充后的功率数据进行颜色编码，构建负荷特征标识；以负荷特征标识作为输入，对改进的深度残差网络模型进行训练学习，并保存最优模型实现负荷辨识。本发明方法能够提高非侵入式负荷的整体辨识精度，且其效率较高，占用计算资源较少，能为电网非侵入式负荷的精准识别提供方法支撑。