摘要: 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
UKdale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。
中图分类号:
刘 政, 刘 鑫, 刘 伟. 面向家庭用电负荷分解的时间卷积注意力网络[J]. 重庆理工大学学报(自然科学), 2023, 37(4): 209-216.