论文摘要
非侵入式负荷分解是用户侧精细化能量管理的关键技术,为了提高算法分解准确率与模型训练速度,提出了一种基于双向GRNN与时间序列翻译模型的非侵入式负荷分解算法。使用局部注意力机制对中间向量的传递过程进行了优化,在增加模型注意力的同时降低了算法的运算量。使用集束搜索算法使解码环节得到了更多的功率概率曲线,实现了分解准确率的提高。使用人工合成训练数据方法克服了数据集不平衡问题,提高了算法的稳定性。最后在REDD数据集上对文章所提算法进行了验证,与其他先进算法相比,所提出算法的准确率具有较大幅度提高,并且与基于LSTM的算法相比,本算法的模型训练速度提高了40%以上。
论文目录
文章来源
类型: 期刊论文
作者: 郭陆阳,王守相,陈海文,杨海跃,韩建振
关键词: 双向,循环神经网络,序列翻译模型,负荷分解
来源: 供用电 2019年10期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 天津大学智能电网教育部重点实验室,天津市电力系统仿真控制重点实验室,国网河北省电力有限公司衡水供电分公司
基金: 国网河北省电力有限公司科技项目~~
分类号: TM714
DOI: 10.19421/j.cnki.1006-6357.2019.10.002
页码: 9-15+86
总页数: 8
文件大小: 2381K
下载量: 179