湖北工业大学学报2023，Vol.38Issue(2) ：1-6.

基于多任务学习的非侵入式负荷分解

Non-intrusive Load Decomposition Based on Multi-task Learning

刘辉 江煦成
湖北工业大学学报2023，Vol.38Issue(2) ：1-6.
✕
  • 维普
  • 万方数据

基于多任务学习的非侵入式负荷分解

Non-intrusive Load Decomposition Based on Multi-task Learning

刘辉 1江煦成1
扫码查看

作者信息

  • 1. 湖北工业大学太阳能高效利用湖北省协同创新中心,湖北武汉430068
  • 折叠

摘要

为解决目前非侵入式负荷分解研究中存在的模型数量多及训练时间长等问题,将多任务学习引入到非侵入式负荷分解研究中,提出一种基于多门多专家模型的非侵入式负荷分解方法,首先通过seq2point模型将用电设备的功率分解转换为总功率序列与用电设备在序列中点时刻功率值的映射关系,其次利用MMoE模型的门控函数及共用的Expert网络组兼顾不同用电设备功率分解任务的独特性和关联性,最终通过单个MMoE模型同时完成多个用电设备的功率分解.在公开数据集上进行验证,测试算例验证了方法的有效性.

关键词

非侵入式负荷分解/多任务学习/MMoE/seq2point

引用本文复制引用

基金项目

国家自然科学基金(61903129)

出版年

2023
湖北工业大学学报
湖北工业大学

湖北工业大学学报

CHSSCD
影响因子：0.258
ISSN：1003-4684
参考文献量3
段落导航相关论文