典型文献
基于Attention机制优化CNN-seq2seq模型的非侵入式负荷监测
文献摘要：
非侵入式负荷监测是智能用电的一个关键环节.本文提出了一种基于注意力机制优化的卷积神经网络-序列到序列模型,用于提高非侵入式负荷监测的分解精度.首先,通过K-means++算法对各设备进行聚类操作,并将其转换成对应的独热码;其次,通过卷积神经网络结构提取总负荷数据的特征,并利用序列到序列结构捕捉负荷特征的时序依赖关系;最后,使用注意力机制优化卷积神经网络-序列到序列模型的整体结构.该模型通过将时间序列数据与设备状态编码之间形成一一映射关系,简化了模型结构.借助于能关注负荷重要特征的注意力机制,提升了模型的分解精度,并使用AMPds2开源数据集验证了模型的有效性.
文献关键词：
非侵入式负荷监测;卷积神经网络;序列到序列;注意力机制
中图分类号：
作者姓名：
王琪凯;熊永康;陈瑛;夏永洪;叶宗阳;余礼苏
作者机构：
南昌大学信息工程学院,南昌 330031
文献出处：
引用格式：
[1]王琪凯;熊永康;陈瑛;夏永洪;叶宗阳;余礼苏-.基于Attention机制优化CNN-seq2seq模型的非侵入式负荷监测)[J].电力系统及其自动化学报,2022(12):27-34,42
A类：
B类：
Attention,机制优化,seq2seq,非侵入式负荷监测,智能用电,注意力机制,序列到序列模型,means++,转换成,神经网络结构,结构提取,总负荷,负荷数据,序列结构,负荷特征,依赖关系,整体结构,时间序列数据,设备状态,一一映射,映射关系,模型结构,借助于,荷重,AMPds2,开源数据集,数据集验证
AB值：
0.315466
相似文献
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。
