一种基于预测窗口中点值的非侵入式负荷监测方法

摘要

本发明属于用电负荷监测分解技术领域，具体为一种基于预测窗口中点值的非侵入式负荷监测方法。本发明通过训练序列到点网络只对滑动窗口的中点进行预测输出来提高非侵入式负荷监测(NILM)问题的可识别性；使用卷积神经网络的网络模型在训练过程中自发的学习所预测电器的指纹特征，并自动的添加到模型中以降低负荷分解问题的困难。相比与现有的基于序列到序列的神经网络训练代价更低，减少了由于输入输出序列很长导致GPU内存受限等问题的出现，除此之外还能使神经网络将其表示能力集中在窗口的中点上，而不是集中在更困难的边缘输出上，从而产生更加准确的负荷分解结果。