首页|面向家庭用电负荷分解的时间卷积注意力网络

面向家庭用电负荷分解的时间卷积注意力网络

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
针对传统深度神经网络分解模型准确度不能满足非侵入式负荷监测实际需求的现状,提出了一种基于时间卷积网络和注意力机制的负荷分解网络(TCNA).采用序列到点的分解方法,使用改进的时间卷积网络为基础提取负荷数据特征,增加卷积核感受野,获取更多数据特征信息.模型结合注意力模块,提取到更加丰富和有价值的特征信息,提升了训练效率.在UK-dale数据集上的实验结果表明:该模型比现有的分解方法在分解性能和电器启停状态判断方面有明显提升.
Temporal convolutional attention-based network for household electric load disaggregation

刘政、刘鑫、刘伟

展开 >

重庆理工大学 计算机科学与工程学院,重庆 400054

重庆理工大学 电气与电子工程学院,重庆 400054

负荷分解 深度学习 注意力机制 时间卷积网络

重庆市人工智能技术创新重大主题专项重点研发项目

cstc2017rgznzdyfx0026

2023

10.3969/j.issn.1674-8425(z).2023.04.024

重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
年,卷(期)：2023.37(8)
  • 2