提升非侵入式负荷辨识准确度的改进型自编码器

摘要

非侵入式负荷辨识能够实现电器能耗监测、提高能源使用效率.针对电器混合能耗分解的任务,提出了一种包含改进型去噪自编码器的神经网络方法,用于分解低频采样的混合功率.该方法首先对不同电器分别训练一个卷积去噪自编码器神经网络,然后使用滑动窗口的方式将原始电表采样功率数据通过相应神经网络逐一进行局部分解,最后合成目标电器的干净时序功率数据.研究表明,在REDD数据集上进行实验时,该方法对电器负荷分解准确度较现有方法提高至少12％.准确度的提升归因于本方法在网络结构上加入了卷积层、批归一化和修正线性单元,并在样本预处理上零值化所有半运行训练样本标签,促使神经网络能充分地利用其有限的容量.