电力科学与技术学报2023，Vol.38Issue(1) ：146-153.DOI:10.19781/j.issn.1673-9140.2023.01.017

基于设备特征多层优选和CNN-NLSTM模型的非侵入式负荷分解

Non-intrusive load disaggregation based on multiple optimization of appliance features and CNN-NLSTM model

王家驹 王竣平 白泰 张然 丁熠辉 杨林 张姝
电力科学与技术学报2023，Vol.38Issue(1) ：146-153.DOI:10.19781/j.issn.1673-9140.2023.01.017
✕
  • NETL
  • NSTL
  • 万方数据

基于设备特征多层优选和CNN-NLSTM模型的非侵入式负荷分解

Non-intrusive load disaggregation based on multiple optimization of appliance features and CNN-NLSTM model

王家驹 1王竣平 1白泰 1张然 1丁熠辉 1杨林 2张姝2
扫码查看

作者信息

  • 1. 国网四川省电力公司计量中心,四川 成都,610045
  • 2. 四川大学电气工程学院,四川 成都,610065
  • 折叠

摘要

非侵入式负荷分解技术可以有效挖掘用户侧设备信息,是电网开展用户负荷互动响应的基础.针对目前非侵入式负荷分解模型适应性较差及准确率较低等问题,提出一种基于设备特征多层优选的非侵入式负荷分解模型.首先,针对设备运行特性设计自适应滑动数据窗,进而获取到更加完整的设备功率片段,同时调整网络输入输出维度;其次,通过融合浅层卷积神经网络(CNN)与两层嵌套长短时记忆网络(NLSTM)提取并加深设备特征;然后,将其输入到改进的注意力机制中,通过调配特征权重,获得最优的设备特征序列;最后,在REDD数据集上进行实验分析,通过对设备特征多层选择、加深与复用在减小训练时间的同时,显著地提升负荷分解的准确率.

关键词

非侵入式负荷分解/自适应滑动窗/卷积神经网络/嵌套长短时记忆网络/改进注意力机制

引用本文复制引用

基金项目

国家电网四川电力公司科技项目(52199720003P)

出版年

2023
电力科学与技术学报
长沙理工大学

电力科学与技术学报

CSTPCDCSCD北大核心
影响因子：0.85
ISSN：1673-9140
被引量3
参考文献量8
段落导航相关论文