论文摘要
非侵入式负荷分解(nonintrusiveloadmonitoring,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。
论文目录
文章来源
类型: 期刊论文
作者: 王轲,钟海旺,余南鹏,夏清
关键词: 非侵入式负荷分解,深度学习,序列到序列,机制
来源: 中国电机工程学报 2019年01期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 电力工业
单位: 电力系统及发电设备控制和仿真国家重点实验室(清华大学电机系),美国加州大学河滨分校
基金: 国家自然科学基金项目(51777102),北京市自然科学基金项目(3182017),国家电网公司科技项目(5210EF18000G)~~
分类号: TM714
DOI: 10.13334/j.0258-8013.pcsee.181123
页码: 75-83+322
总页数: 10
文件大小: 1207K
下载量: 859
相关论文文献
标签：非侵入式负荷分解论文; 深度学习论文; 序列到序列论文; 机制论文;