声明
目 录
第1章绪论
1.1 课题研究背景及其意义
1.2 国内外研究现状
1.2.1 非侵入式负荷监测算法的研究现状
1.2.2 非侵入式负荷监测应用的研究现状
1.3 论文主要内容
第2章非侵入式负荷分解模型及深度学习模型
2.1 非侵入式负荷分解模型定义
2.2 深度学习概述
2.3 人工神经网络
2.4 优化算法
2.4.1 随机梯度下降法
2.4.2 ADAM
2.5 卷积神经网络
2.5.1 卷积层
2.5.2 池化层
2.6 生成对抗神经网络
2.7 本章小结
第3章数据采集系统
3.1 Smart DB系统
3.2 Smart DB系统硬件原理
3.2.1 电源转换电路
3.2.2 测量电路
3.2.3 隔离电路
3.2.4 WIFI模块
3.2.5 主控电路
3.3 Smart DB系统程序设计
3.4 辅助传感器 Sensor Tag
3.5 数据采集系统部署
3.6 本章小结
第4章基于扩张卷积神经网络负荷分解算法
4.1 基于深度学习的负荷分解
4.2 基于扩张卷积神经网络分解模型
4.2.1 设计思路
4.2.2 模型结构
4.3 数据集
4.4 实例验证
4.4.1 数据预处理
4.4.2 实验环境与参数设置
4.5 实验结果分析
4.5.1 评价指标
4.5.2 结果分析
4.6 本章小结
第5章基于生成对抗网络负荷分解算法及日常活动监测
5.1 基于生成对抗神经网络分解模型
5.1.1 设计思路
5.1.2 模型介绍
5.1.3 模型结构
5.2 实例验证
5.2.1 数据预处理与实验配置
5.2.2 结果分析
5.3 SDB负荷分解
5.4 用户日常活动异常监测
5.4.1 电器使用模式
5.4.2 异常检测模型选择
5.4.3 实验与结果分析
5.5 本章小结
结论与展望
致谢
参考文献
攻读硕士期间发表的论文及科研成果
西南交通大学;