文档名：基于设备特征多层优选和CNNNLSTM模型的非侵入式负荷分解
摘要：非侵入式负荷分解技术可以有效挖掘用户侧设备信息,是电网开展用户负荷互动响应的基础.针对目前非侵入式负荷分解模型适应性较差及准确率较低等问题,提出一种基于设备特征多层优选的非侵入式负荷分解模型.首先,针对设备运行特性设计自适应滑动数据窗,进而获取到更加完整的设备功率片段,同时调整网络输入输出维度;其次,通过融合浅层卷积神经网络(CNN)与两层嵌套长短时记忆网络(NLSTM)提取并加深设备特征;然后,将其输入到改进的注意力机制中,通过调配特征权重,获得最优的设备特征序列;最后,在REDD数据集上进行实验分析,通过对设备特征多层选择、加深与复用在减小训练时间的同时,显著地提升负荷分解的准确率.
作者：王家驹 王竣平 白泰 张然 丁熠辉 杨林 张姝 Author：WANGJiaju WANGJunping BAITai ZHANGRan DINGYihui YANGLin ZHANGShu
作者单位：国网四川省电力公司计量中心,四川成都,610045四川大学电气工程学院,四川成都,610065
刊名：电力科学与技术学报 ISTICPKU
Journal：JournalofElectricPowerScienceandTechnology
年，卷(期)：2023, 38(1)
分类号：TM714
关键词：非侵入式负荷分解 自适应滑动窗 卷积神经网络 嵌套长短时记忆网络 改进注意力机制
机标分类号：TP391.1TP183TM77
在线出版日期：2023年4月18日
基金项目：国家电网地方公司项目(非规范项目名称）基于设备特征多层优选和CNN-NLSTM模型的非侵入式负荷分解[
期刊论文] 电力科学与技术学报--2023, 38(1)王家驹 王竣平 白泰 张然 丁熠辉 杨林 张姝非侵入式负荷分解技术可以有效挖掘用户侧设备信息,是电网开展用户负荷互动响应的基础.针对目前非侵入式负荷分解模型适应性较差及准确率较低等问题,提出一种基于设备特征多层优选的非侵入式负荷分解模型.首先,针对设备...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
基于设备特征多层优选和CNN-NLSTM模型的非侵入式负荷分解 Non-intrusive load disaggregation based on multiple optimization of appliance features and CNN-NLSTM model
基于设备特征多层优选和CNN-NLSTM模型的非侵入式负荷分解.pdf
- 文件大小:
- 1.23 MB
- 下载次数:
- 60
-
高速下载
|
|
