基于设备特征多层优选和CNN⁃NLSTM模型的非侵入式负荷分解

作     者：王家驹 王竣平 白泰 张然 丁熠辉 杨林 张姝 WANG Jiaju;WANG Junping;BAI Tai;ZHANG Ran;DING Yihui;YANG Lin;ZHANG Shu

作者机构：国网四川省电力公司计量中心四川成都610045 四川大学电气工程学院四川成都610065 

基　　金：国家电网四川电力公司科技项目(52199720003P) 

出 版 物：《电力科学与技术学报》 (Journal of Electric Power Science And Technology)

年 卷 期：2023年第38卷第1期

页      码：146-153页

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。

主 题 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 

学科分类：080802[080802] 0808[工学-自动化类] 08[工学] 

D　O　I：10.19781/j.issn.1673-9140.2023.01.017

馆 藏 号：203120985...