典型文献
基于生成对抗网络和联邦学习的非侵入式负荷分解方法
文献摘要：
非侵入式负荷分解是对终端用户用电需求的重要感知手段,传统负荷分解方法存在电器识别和功率分解准确度低等问题.为此提出一种基于生成对抗网络的负荷分解模型,生成网络通过构建卷积自编码器对总功率信号去噪,生成指定电器的功率分解序列,而判别网络被用来辨别生成序列的真伪,两者相互对抗,得到更为真实的分解序列.针对集中式模型训练方法的不足,采用深度可分离卷积代替传统卷积来实现模型轻量化,使之能应用于智能电表等终端设备,并提出一种基于联邦学习的网络模型实施方案,以云边协同的方式对模型进行训练,降低了通信传输压力,保护用户隐私和数据安全.基于公开数据集验证了方法的有效性.
文献关键词：
非侵入式负荷分解;生成对抗网络;联邦学习;云边协同;智能电能表
中图分类号：
作者姓名：
吴钉捷;李晓露;陆一鸣
作者机构：
上海电力大学 电气工程学院,上海200090;国网上海能源互联网研究院有限公司,上海201203
文献出处：
引用格式：
[1]吴钉捷;李晓露;陆一鸣-.基于生成对抗网络和联邦学习的非侵入式负荷分解方法)[J].电测与仪表,2022(06):37-45
A类：
B类：
生成对抗网络,联邦学习,非侵入式负荷分解,分解方法,终端用户,户用,用电需求,电器,器识,功率分解,分解模型,生成网络,卷积自编码器,总功,信号去噪,判别网络,辨别,真伪,集中式,模型训练,训练方法,深度可分离卷积,模型轻量化,智能电表,终端设备,云边协同,通信传输,用户隐私,公开数据集,数据集验证,智能电能表
AB值：
0.324587
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
