文档名：面向家庭用电负荷分解的时间卷积注意力网络
摘要：针对传统深度神经网络分解模型准确度不能满足非侵入式负荷监测实际需求的现状,提出了一种基于时间卷积网络和注意力机制的负荷分解网络(TCNA).采用序列到点的分解方法,使用改进的时间卷积网络为基础提取负荷数据特征,增加卷积核感受野,获取更多数据特征信息.模型结合注意力模块,提取到更加丰富和有价值的特征信息,提升了训练效率.在UK-dale数据集上的实验结果表明:该模型比现有的分解方法在分解性能和电器启停状态判断方面有明显提升.
作者：刘政 刘鑫 刘伟 Author：LIUZheng LIUXin LiuWei
作者单位：重庆理工大学计算机科学与工程学院,重庆400054重庆理工大学电气与电子工程学院,重庆400054
刊名：重庆理工大学学报 ISTIC
Journal：JournalofChongqingInstituteofTechnology
年，卷(期)：2023, 37(8)
分类号：TM714TP18
关键词：负荷分解 深度学习 注意力机制 时间卷积网络
机标分类号：TP301TM714TM933.4
在线出版日期：2023年5月17日
基金项目：重庆市人工智能技术创新重大主题专项重点研发项目面向家庭用电负荷分解的时间卷积注意力网络[
期刊论文] 重庆理工大学学报--2023, 37(8)刘政 刘鑫 刘伟针对传统深度神经网络分解模型准确度不能满足非侵入式负荷监测实际需求的现状,提出了一种基于时间卷积网络和注意力机制的负荷分解网络(TCNA).采用序列到点的分解方法,使用改进的时间卷积网络为基础提取负荷数据特征,增...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
面向家庭用电负荷分解的时间卷积注意力网络 Temporal convolutional attention-based network for household electric load disaggregation
面向家庭用电负荷分解的时间卷积注意力网络.pdf
- 文件大小:
- 2.3 MB
- 下载次数:
- 60
-
高速下载
|
|
