自适应事件检测NILM

低频数据高精度识别

针对住宅负荷监测中设备多样性与用电环境复杂性的挑战，提出一种自适应事件检测方法，通过动态调整窗口阈值提升事件检测灵活性，并结合变分模态分解与注意力机制，显著提高负荷识别精度与泛化能力。

骆钊 · Zhao, Li · Tao, Zhang · Gang, Wang · Weiji, Deng · Jiahao, Li · Liang, Junkai

Journal of Building Engineering 2025

技术优势

窗口阈值自适应

BIC-PCW模型动态调整窗口阈值，提升事件检测的灵活性和准确性，无需针对不同电器手动整定阈值。

特征更纯净

对功率序列进行变分模态分解，消除冗余和无关特征，提高数据纯度和特征提取效率。

识别精度更高

引入SENet注意力机制自动学习特征通道重要性，增强CNN的负荷识别性能，显著提高多状态设备混合运行场景下的负荷识别与分类精度。

应用场景

• 智能电网：为电网提供细粒度负荷分解数据，支撑需求侧管理和负荷预测。
• 建筑能源管理：集成到建筑能源管理系统中，识别各设备用电，辅助节能策略制定。
• 物联网：可嵌入智能电表等物联网终端，实现低成本、非侵入式的用电监测。
• 非侵入式负荷监测：提供一种基于低频数据的住宅负荷分解方案，降低硬件成本和安装复杂度。