基于Seq2point和SERNet的非侵入式负荷分解及识别OA北大核心
Non-intrusive load decomposition and identification based on Seq2point and SERNet
为了提高负荷的分解及识别准确度,提出基于序列到点(sequence-to-point,简称Seq2point)和挤压与激励的残差网络(squeeze-and-excitation residual network,简称SERNet)的非侵入式负荷分解和识别方法.使用残差网络提取信息,引入注意力机制挤压和激励网络,对提取的信息进行自适应校准.通过全连接网络映射得到负荷分解结果,进而识别负荷.算例分析结果表明:与其他4种方法比较,该方法有更高的分解及识别准确度.
程志友;储著增;杨猛;章杨凡;王林茂
安徽大学教育部电能质量研究中心,安徽合肥230601安徽大学电子信息工程学院,安徽合肥230601安徽大学电子信息工程学院,安徽合肥230601安徽大学电子信息工程学院,安徽合肥230601安徽大学电子信息工程学院,安徽合肥230601
信息技术与安全科学
非侵入式负荷分解滑动窗口法序列到点残差学习挤压和激励网络
《安徽大学学报（自然科学版）》 2022 (4)
凯莱-克莱因度量学习理论与算法
38-44,7
国家自然科学基金资助项目(61672032)安徽省科技重大专项(18030901018)
评论