基于新型卷积神经网络的非侵入式负载监测方法

• 作者: 马临超 杨捷 肖鹏 曾杰
• 来源期刊: 智慧电力
• 学科: 工学
• 关键词: 非侵入性负载监测(NILM) 卷积神经网络 自我注意机制 生成对抗网络 能量分解
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 电网分析与研究|POWER GRID ANALYSIS & STUDY
• 页码范围: 96-102
• 页数: 7页
• 分类号: TM930
• 语种: 中文
• DOI: 10.3969/j.issn.1673-7598.2022.04.015

摘要

现有非侵入式负载监测技术处理负载规模变化的能力弱,且随着负载的种类复杂化与数量的增多,其具有估计精度不高的问题.建立了一种考虑用户用能多时间尺度耦合特性,并具有规模化处理能力的新型卷积神经网络,以提高复杂规模化负载估计的精确性.该神经网络包括多时间尺度感知与特征提取模块、自我关注模块和对抗损失模块等,多时间尺度感知与特征提取模块可获取与整合不同时间尺度负载数据的耦合特征,自我关注模块和对抗损失模块根据耦合特性来进一步提高监测模型的估计精度.最后,通过仿真分析验证了所提方法的有效性和优越性.