← 返回列表
一种基于任务特征融合的非侵入式负荷监测功率分解方法
摘要文本
本发明公开了一种基于任务特征融合的非侵入式负荷监测功率分解方法，将每个家电的功率分解视为一个子任务，构建基于多任务学习的多家电功率分解模型。设计的模型包括一个共性特征矩阵提取分支和多个个性任务提取分支，分别提取所有家电都需要的共性特征矩阵和个别家电需要的个性特征矩阵，然后将每个家电的个性特征矩阵和共性特征矩阵融合在一起用于每个子任务的功率分解。通过特征融合的方式不仅可以将各个子任务关联起来，并且丰富了家电功率分解特征。本发明增强了功率分解模型的泛化能力，减少了需要多次训练模型的训练时间和训练参数，提高了家电功率分解的准确性。
申请人信息
- 申请人:中国矿业大学
- 申请人地址:221116 江苏省徐州市铜山区大学路一号
- 发明人: 中国矿业大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于任务特征融合的非侵入式负荷监测功率分解方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311406235.6 |
| 申请日 | 2023/10/27 |
| 公告号 | CN117498543A |
| 公开日 | 2024/2/2 |
| IPC主分类号 | H02J13/00 |
| 权利人 | 中国矿业大学 |
| 发明人 | 李克勤; 顾言; 左慧园; 杨霄; 袁海; 王军 |
| 地址 | 江苏省徐州市铜山区大学路1号 |
专利主权项内容
1.一种基于任务特征融合的非侵入式负荷监测功率分解方法，其特征在于，包括以下步骤：步骤1、获取住宅一段时间内功率消耗数据，包括所有电器的总功率消耗以及每个目标家电的功率消耗，转入步骤2；步骤2、对获取的功率消耗数据进行预处理，按照采样时刻，将总功耗和目标电器的功耗对齐，通过滑动窗口的方法制作样本集，转入步骤3；步骤3、将每个家电的功率分解视为一个子任务，构建基于CNN的多任务模型，模型包括特征提取、特征融合和特征映射，转入步骤4；步骤4、将制作好的样本集输入到构建的多任务模型中进行训练，得到训练好的多任务模型，以分解多个电器功率消耗，转入步骤5；步骤5、实时获取待分解的总功耗，通过训练好的多任务模型输出目标电器的功率消耗。 更多数据：