来源:《电力大数据》2020年第10期  作者:蒙亮;于超;张希翔;覃智君;
选择字号

基于一维卷积神经网络和自注意力机制的非侵入式负荷分解

收藏本文  分享

基于一维卷积神经网络的非侵入式负荷分解存在负荷分解准确率不高的问题。本文提出一种基于深度学习提高用电设备特征提取有效性及负荷分解精度的卷积神经网络模型。首先,利用一维卷积神经网络对时间序列有良好的特征提取能力构建负荷分解的特征预处理模块;其次,利用自注意力机制从预处理特征中选取与当前时刻相关性高的信息,突出高相关数据的权重实现对特征序列的重点关注,从而提升一维卷积神经网络的特征提取能力;最后,基于公开数据集UKDALE将本文所提算法与其他文献算法作对比分析。算例分析结果表明:采用本文算法的负荷分解结果均优于对比模型,其中相较于传统一维卷积神经网络模型,本文所提模型将各设备均方误差的平均值下降了50%,验证了所提方法的有效性和准确性。(本文共计8页)......[继续阅读本文]

下载阅读本文订阅本刊

图书推荐

    相关文章推荐

    看看这些杂志对你有没有帮助...

    更多杂志>>