基于全局与滑动窗口结合的Attention机制的非侵入式负荷分解算法
Electrical Measurement & Instrumentation(2023)
摘要
非侵入式负荷监测(non-intrusive load monitoring,NILM)是指在电力入口处安装监测设备,利用总用电负荷得到用电侧单个用电设备状态的方法.由此可以准确地刻画用户用电画像,故NILM是电网智能配电和给予用户侧精细化管理的关键技术之一.随着深度学习在NILM的应用,对于负荷的识别与功率分解能力有所提升,但在训练模型的速率与模型的预测准确率上依旧不高,为此,文章提出基于全局与滑动窗口相结合的注意力机制的负荷分解模型.该模型首先将输入总负荷功率序列通过功率嵌入矩阵映射到高维向量,并利用基于双向LSTM的编码器进行信息提取;通过引入全局与滑动窗口相结合的Attention机制,从提取的信息中选取与当前时刻相关度高的信息,用于解码并最终得到负荷分解结果.在数据集REFIT上验证了所提算法在速率和准确率上有更好的效果.
更多查看译文
关键词
non-intrusive load monitoring,deep learning,sequence to sequence,attention mechanism
AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要