基于一维卷积神经网络的负荷分解方法

摘要

非侵入式负荷监测因其成本低、隐私性高,具有良好的应用场景.负荷分解方法是非侵入式负荷监测的主要技术难点之一,为提高负荷分解的精度,提出一种基于一维卷积神经网络的负荷分解方法.该方法首先以滑动窗口读取总负荷时间序列生成输入序列,解决深度学习模型不能输入长序列的问题;接着,以序列扩展模块自动提取输入序列的特征并重构为扩展序列,扩展了输入序列的特征信息;最后,采用端到点结构构建特征提取模块,提取扩展序列特征输出负荷分解结果,其中,序列扩展模块和特征提取模块共同构成了一维卷积神经网络模型.在公开的数据集UK_DALE上的实验结果表明,所提出的基于一维卷积神经网络的负荷分解方法具有可行性,与现有方法相比,该方法的分解性能更好,F1得分更高.