基于seq2seq和Attention机制的居民用户非侵入式负荷分解

• 作者: 余南鹏 夏清 王轲 钟海旺
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 非侵入式负荷分解 深度学习 序列到序列 Attention机制
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 新一代人工智能在智能电网和能源互联网中的应用
• 页码范围: 75-83
• 页数: 9页
• 分类号: TM714
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.181123

摘要

非侵入式负荷分解(nonintrusive load monitoring,NILM)是大数据分析在智能配电系统中为终端用户提供的重要应用之一,能够提升对负荷的认知水平,显著提升需求侧响应的潜力.长期以来,传统的NILM算法存在误判率高,功率分解值准确度低等问题.为此,采用深度学习的框架,提出一种基于序列到序列和Attention机制的NILM模型.该模型首先将输入的有功功率时间序列通过词嵌入映射到高维向量,并利用基于长短时记忆模型的编码器进行信息提取;然后通过引入Attention机制的解码器,从提取的信息中选取与当前时刻相关度最高的信息,用于解码并最终得到负荷分解结果.提出的深度学习网络模型能够显著提升对信息的提取与利用能力.基于REFITPowerData数据集的测试结果验证了方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	夏清		173	6607	45.0	76.0
2	钟海旺		17	178	6.0	13.0
3	王轲		3	0	0.0	0.0
4	余南鹏		1	0	0.0	0.0