10.19635/j.cnki.csu-epsa.000997
基于Attention机制优化CNN-seq2seq模型的非侵入式负荷监测
非侵入式负荷监测是智能用电的一个关键环节.本文提出了一种基于注意力机制优化的卷积神经网络-序列到序列模型,用于提高非侵入式负荷监测的分解精度.首先,通过K-means++算法对各设备进行聚类操作,并将其转换成对应的独热码;其次,通过卷积神经网络结构提取总负荷数据的特征,并利用序列到序列结构捕捉负荷特征的时序依赖关系;最后,使用注意力机制优化卷积神经网络-序列到序列模型的整体结构.该模型通过将时间序列数据与设备状态编码之间形成一一映射关系,简化了模型结构.借助于能关注负荷重要特征的注意力机制,提升了模型的分解精度,并使用AMPds2开源数据集验证了模型的有效性.
非侵入式负荷监测、卷积神经网络、序列到序列、注意力机制
34
TM933
中国博士后科学基金资助项目;计算机体系结构国家重点实验室开放课题项目;江西省研究生创新专项资金资助项目
2023-01-05（万方平台首次上网日期，不代表论文的发表时间）
共9页
27-34,42
