基于深度循环卷积模型的非侵入式负荷分解方法

查看全文 作　　者：[1]余登武;[1]刘敏

机构地区：[1]贵州大学电气工程学院,贵阳550025

出　　处：《电测与仪表》索引2020年第57卷第23期,共7页

基　　金：贵州省科技计划项目([2018]5615)。 摘　　要：电力分项计算是智能电能表的一个重要环节,即对接入户线的各个电器设备进行用电消耗检测。对电力公司进行精准预测,提高系统稳定性可靠性,制定调度方案,设计“错峰用电”费率结构,发现设备老化和故障有着重要意义。为了实现电力分项计算,文中提出了一种基于深度循环卷积神经网络的非侵入式负荷分解方法。对目标电器的不同功率状态进行编码,用循环卷积神经网络提取输入负荷总功率的空间时间特征。对输入数据进行归一化提高模型训练速度,用drouput技术降低模型过拟合,用迁移学习技术实现对不同目标电器的功率状态预测建模。并和传统的隐马尔可夫模型进行对比。采用公开的redd数据集,结果证明文中所提出的模型能很好预测目标电器的功率状态。 关键词：电力分项计算错峰用电循环卷积神经网络非侵入式负荷分解空间时间特征 drouput 迁移学习隐马尔可夫模型

相关文献

参考文献（19）
引证文献（8）
耦合文献（470）

参考文献(19)

引证文献(8)

耦合文献(470)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

基于深度循环卷积模型的非侵入式负荷分解方法

参考文献(19)

引证文献(8)

耦合文献(470)

用户提示