Print

基于seq2seq和Attention机制的居民用户非侵入式负荷分解

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

  • 0 引言
  • 1 非侵入式负荷分解模型
  •   1.1 模型流程图
  •   1.2 数据分段
  •   1.3 词嵌入
  •   1.4 seq2seq模型
  •   1.5 Attention机制
  •   1.6 损失函数
  • 2 数据及处理方法
  •   2.1 数据集选取
  •   2.2 用电器选取
  •   2.3 数据预处理
  •   2.4 训练数据构造
  • 3 算例分析与结果
  •   3.1 硬件环境及软件平台
  •   3.2 负荷分解结果可视化分析
  •   3.3 负荷分解评价指标及结果
  •     3.3.1 深度学习网络参数设置
  •     3.3.2 深度学习网络训练耗时情况
  •     3.3.3 参与训练家庭的测试
  •     3.3.4 未参与训练家庭的测试
  • 4 结论

    • 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

    本文来源: https://www.lunwen66.cn/article/61aa5d42428929c8a9de25f7.html