Để đảm bảo giám sát công suất an toàn và toàn diện trong giới hạn thiết bị, Giám sát tải không xâm lấn (NILM) là giải pháp hàng đầu nhờ tính tiện lợi và hiệu quả về chi phí. Có nhiều phương pháp NILM khác nhau, bao gồm các phương pháp thống kê, tích hợp biến phi điện và các mô hình học máy.
 |
| Ảnh minh họa |
Tuy nhiên, các phương pháp này thường không nắm bắt được đầy đủ các đặc điểm tín hiệu tải, đặc biệt là mối quan hệ dòng điện-điện áp. Mô hình Mạng nơ-ron tích chập (CNN) là mô hình hiệu quả nhất để giám sát và dự đoán các tổ hợp tải bằng biểu đồ quỹ đạo V-A (điện áp-ampe). Tuy nhiên, các sự kiện thoáng qua có thể làm biến dạng các quỹ đạo này, dẫn đến các dự đoán không chính xác.
Nghiên cứu này nâng cao hiệu suất của CNN bằng cách tích hợp các đặc điểm chuỗi thời gian để cải thiện độ chính xác và xử lý các sự kiện chuyển mạch. Dữ liệu đầu vào được cấu trúc dưới dạng hình ảnh tuần tự biểu diễn trạng thái mạch theo thời gian. Một mô hình cơ sở được thiết kế, với nhiều biến thể được thử nghiệm để phân tích mối tương quan giữa các tham số và độ chính xác. Nghiên cứu đã áp dụng thành công mô hình CNN với các đặc điểm chuỗi thời gian để nhận dạng tải, ngay cả trong các sự kiện chuyển mạch. Kết quả thử nghiệm xác định mô hình tối ưu nhất cho các ứng dụng thực tế.
Xem chi tiết bài viết tại đây
