典型文献
图数据建模与图表示学习方法及其非侵入式负荷监测问题的应用
文献摘要：
非侵入式负荷分解能从家庭总表数据中分解出单个负荷的运行状态,这对用户调节自身用电策略、参与需求侧响应具有重要意义.针对当前负荷分解模型受限于欧式空间下数据的顺序输入,无法准确描述电器不同运行状态之间的时间关联性导致分解准确度不高的问题,提出一种图数据建模与图表示学习的非侵入式负荷分解方法.首先基于图理论将待分解信号转换为包含节点和边的图数据.其次,设计带残差机制的图卷积网络充分挖掘低采样频率下数据包含的属性特征和时间关联性特征,构建负荷分解的图表示学习.然后,针对模型分解结果缺乏精细化修正策略的问题提出改进的后处理方法,进而全面提升模型的综合性能.最后,使用公开数据集AMPds2和REDD进行验证,结果表明该文方法具有较低的分解误差和较强的泛化性能.
文献关键词：
图数据建模;图表示学习;非侵入式负荷分解;时间关联特性;后处理方法
中图分类号：
作者姓名：
彭秉刚;潘振宁;余涛;邱磊鑫;苏晓;陈镇煌
作者机构：
华南理工大学电力学院,广东省 广州市 510640;广东省电网智能量测与先进计量企业重点实验室,广东省 广州市 510640
文献出处：
引用格式：
[1]彭秉刚;潘振宁;余涛;邱磊鑫;苏晓;陈镇煌-.图数据建模与图表示学习方法及其非侵入式负荷监测问题的应用)[J].中国电机工程学报,2022(17):6260-6273,后插9
A类：
时间关联特性
B类：
图数据建模,图表示学习,表示学习方法,非侵入式负荷监测,监测问题,非侵入式负荷分解,总表,解出,户调,节自,需求侧响应,前负荷,分解模型,受限于,欧式空间,电器,分解方法,信号转换,残差机制,图卷积网络,低采样,采样频率,数据包,属性特征,模型分解,解结,修正策略,后处理方法,公开数据集,AMPds2,REDD,泛化性能
AB值：
0.324385
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。
