典型文献
基于新型卷积神经网络的非侵入式负载监测方法
文献摘要：
现有非侵入式负载监测技术处理负载规模变化的能力弱,且随着负载的种类复杂化与数量的增多,其具有估计精度不高的问题.建立了一种考虑用户用能多时间尺度耦合特性,并具有规模化处理能力的新型卷积神经网络,以提高复杂规模化负载估计的精确性.该神经网络包括多时间尺度感知与特征提取模块、自我关注模块和对抗损失模块等,多时间尺度感知与特征提取模块可获取与整合不同时间尺度负载数据的耦合特征,自我关注模块和对抗损失模块根据耦合特性来进一步提高监测模型的估计精度.最后,通过仿真分析验证了所提方法的有效性和优越性.
文献关键词：
非侵入性负载监测(NILM);卷积神经网络;自我注意机制;生成对抗网络;能量分解
中图分类号：
作者姓名：
马临超;杨捷;肖鹏;曾杰
作者机构：
河南工学院电气工程与自动化学院,河南新乡 453003;云南电网有限责任公司,云南昆明 650000;东北电力大学电气工程学院,吉林长春 132012
文献出处：
引用格式：
[1]马临超;杨捷;肖鹏;曾杰-.基于新型卷积神经网络的非侵入式负载监测方法)[J].智慧电力,2022(04):96-102
A类：
自我注意机制
B类：
非侵入式,监测方法,技术处理,估计精度,户用,多时间尺度,耦合特性,处理能力,负载估计,精确性,尺度感知,取模,自我关注,不同时间尺度,负载数据,耦合特征,块根,监测模型,分析验证,非侵入性,NILM,生成对抗网络,能量分解
AB值：
0.31811
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。
