[發(fā)明專利]基于變權(quán)重時(shí)域卷積網(wǎng)絡(luò)的非侵入式用電負(fù)荷分解方法在審
| 申請(qǐng)?zhí)枺?/td> | 202210048972.2 | 申請(qǐng)日: | 2022-01-17 |
| 公開(kāi)(公告)號(hào): | CN114462306A | 公開(kāi)(公告)日: | 2022-05-10 |
| 發(fā)明(設(shè)計(jì))人: | 劉剛;廖榮文 | 申請(qǐng)(專利權(quán))人: | 上海電力大學(xué) |
| 主分類號(hào): | G06F30/27 | 分類號(hào): | G06F30/27;G06F30/25;G06N3/00;G06N3/04;G06N3/08;G06Q50/06;G06F111/10;G06F113/04 |
| 代理公司: | 上海科盛知識(shí)產(chǎn)權(quán)代理有限公司 31225 | 代理人: | 丁云 |
| 地址: | 201306 上*** | 國(guó)省代碼: | 上海;31 |
| 權(quán)利要求書(shū): | 查看更多 | 說(shuō)明書(shū): | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 權(quán)重 時(shí)域 卷積 網(wǎng)絡(luò) 侵入 用電 負(fù)荷 分解 方法 | ||
1.一種基于變權(quán)重時(shí)域卷積網(wǎng)絡(luò)的非侵入式用電負(fù)荷分解方法,其特征在于,該方法包括:
模型訓(xùn)練:分別訓(xùn)練用于各個(gè)用電設(shè)備進(jìn)行用電功率分解的分解模型,所述的分解模型包括多個(gè)進(jìn)行用電功率估計(jì)的時(shí)域卷積網(wǎng)絡(luò),訓(xùn)練時(shí),對(duì)于同一用電設(shè)備,采用不同時(shí)段的用電負(fù)荷數(shù)據(jù)進(jìn)行相應(yīng)的時(shí)域卷積網(wǎng)絡(luò)的訓(xùn)練;
模型應(yīng)用:將待分解的總用電功率序列輸入至各個(gè)設(shè)備的分解模型,分別采用多個(gè)時(shí)域卷積網(wǎng)絡(luò)進(jìn)行用電功率估計(jì)得到各時(shí)間點(diǎn)的多組用電功率估計(jì)值,對(duì)多組用電功率估計(jì)值進(jìn)行逐點(diǎn)變權(quán)重加權(quán)求和得到用電設(shè)備在各時(shí)間點(diǎn)的用電功率分解結(jié)果。
2.根據(jù)權(quán)利要求1所述的一種基于變權(quán)重時(shí)域卷積網(wǎng)絡(luò)的非侵入式用電負(fù)荷分解方法,其特征在于,對(duì)各個(gè)設(shè)備按照使用頻率分為高頻使用時(shí)段和低頻使用頻段,進(jìn)而各個(gè)設(shè)備的分解模型分別包括采用高頻使用時(shí)段數(shù)據(jù)集進(jìn)行訓(xùn)練的第一時(shí)域卷積網(wǎng)絡(luò)以及采用低頻使用時(shí)段數(shù)據(jù)集進(jìn)行訓(xùn)練的第二時(shí)域卷積網(wǎng)絡(luò)。
3.根據(jù)權(quán)利要求2所述的一種基于變權(quán)重時(shí)域卷積網(wǎng)絡(luò)的非侵入式用電負(fù)荷分解方法,其特征在于,模型訓(xùn)練時(shí),采用粒子群算法進(jìn)行尋優(yōu)確定各個(gè)設(shè)備的時(shí)段劃分結(jié)果,對(duì)數(shù)據(jù)集按照時(shí)間劃分結(jié)果進(jìn)行分割與重組,并進(jìn)行相應(yīng)時(shí)段對(duì)應(yīng)的時(shí)域卷積網(wǎng)絡(luò)的訓(xùn)練。
4.根據(jù)權(quán)利要求1~3任意一項(xiàng)所述的一種基于變權(quán)重時(shí)域卷積網(wǎng)絡(luò)的非侵入式用電負(fù)荷分解方法,其特征在于,所述的時(shí)域卷積網(wǎng)絡(luò)的數(shù)學(xué)模型表示為:
Xτ=f(Yt:t+W-1)+∈
其中,Yt:t+W-1為輸入至?xí)r域卷積網(wǎng)絡(luò)的時(shí)間窗口[t,t+W-1]中的總用電功率序列,Xτ為時(shí)域卷積網(wǎng)絡(luò)輸出相應(yīng)的時(shí)間窗口的中點(diǎn)元素,W為時(shí)間窗口長(zhǎng)度,∈為誤差,f為時(shí)域卷積網(wǎng)絡(luò)的變換函數(shù)。
5.根據(jù)權(quán)利要求4所述的一種基于變權(quán)重時(shí)域卷積網(wǎng)絡(luò)的非侵入式用電負(fù)荷分解方法,其特征在于,用于所述的時(shí)域卷積網(wǎng)絡(luò)訓(xùn)練的損失函數(shù)表示為:
其中,Lp為損失函數(shù),θ為網(wǎng)絡(luò)參數(shù),T為輸入至?xí)r域卷積網(wǎng)絡(luò)的總用電功率序列的總長(zhǎng)度,p(Xτ|Yt:t+w-1,θ)為模型預(yù)測(cè)的條件概率。
6.根據(jù)權(quán)利要求3所述的一種基于變權(quán)重時(shí)域卷積網(wǎng)絡(luò)的非侵入式用電負(fù)荷分解方法,其特征在于,所述的用電設(shè)備在各時(shí)間點(diǎn)的用電功率分解結(jié)果通過(guò)如下模型獲得:
為設(shè)備j在x時(shí)刻的用電功率分解結(jié)果,yA(x)為采用第一時(shí)域卷積網(wǎng)絡(luò)估計(jì)得到的設(shè)備j在x時(shí)刻的用電功率估計(jì)值,yB(x)為采用第二時(shí)域卷積網(wǎng)絡(luò)估計(jì)得到的設(shè)備j在x時(shí)刻的用電功率估計(jì)值,fA(x)、fB(x)分別為設(shè)備j在x時(shí)刻對(duì)應(yīng)的權(quán)重,x∈[0,24)=X,X為一天24小時(shí)的時(shí)刻點(diǎn)集合。
7.根據(jù)權(quán)利要求6所述的一種基于變權(quán)重時(shí)域卷積網(wǎng)絡(luò)的非侵入式用電負(fù)荷分解方法,其特征在于,所述的權(quán)重通過(guò)模糊策略獲得,具體地:
設(shè)X為論域,數(shù)據(jù)集T包括數(shù)據(jù)集A和數(shù)據(jù)集B,數(shù)據(jù)集A對(duì)應(yīng)為第一時(shí)域卷積網(wǎng)絡(luò)的用電功率估計(jì)值序列,數(shù)據(jù)集B對(duì)應(yīng)為第二時(shí)域卷積網(wǎng)絡(luò)的用電功率估計(jì)值序列,則將fA(x)、fB(x)取為在論域X上數(shù)據(jù)集A和數(shù)據(jù)集B對(duì)應(yīng)的隸屬度函數(shù)。
8.根據(jù)權(quán)利要求7所述的一種基于變權(quán)重時(shí)域卷積網(wǎng)絡(luò)的非侵入式用電負(fù)荷分解方法,其特征在于,fA(x)、fB(x)表示為:
fB(x)=1-fA(x)
其中,c、σ為常數(shù)。
9.根據(jù)權(quán)利要求1所述的一種基于變權(quán)重時(shí)域卷積網(wǎng)絡(luò)的非侵入式用電負(fù)荷分解方法,其特征在于,模型訓(xùn)練時(shí)對(duì)輸入至?xí)r域卷積網(wǎng)絡(luò)的數(shù)據(jù)進(jìn)行分批標(biāo)準(zhǔn)化。
10.根據(jù)權(quán)利要求1所述的一種基于變權(quán)重時(shí)域卷積網(wǎng)絡(luò)的非侵入式用電負(fù)荷分解方法,其特征在于,所述的時(shí)域卷積網(wǎng)絡(luò)由多個(gè)膨脹卷積塊堆疊而成。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于上海電力大學(xué),未經(jīng)上海電力大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210048972.2/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 權(quán)重調(diào)整模塊與權(quán)重調(diào)整方法
- 網(wǎng)頁(yè)主題的分類方法及裝置
- 接收裝置
- 基于權(quán)重濾波的視頻去噪裝置及方法
- 權(quán)重?cái)?shù)據(jù)存儲(chǔ)方法和基于該方法的神經(jīng)網(wǎng)絡(luò)處理器
- 危害因素的權(quán)重因子的確定方法、裝置及存儲(chǔ)介質(zhì)
- 用于優(yōu)化神經(jīng)網(wǎng)絡(luò)的方法
- 處理器
- 用于對(duì)深度神經(jīng)網(wǎng)絡(luò)的權(quán)重進(jìn)行轉(zhuǎn)換的方法和系統(tǒng)
- 神經(jīng)網(wǎng)絡(luò)的量化方法、裝置、服務(wù)器和存儲(chǔ)介質(zhì)
- 一種資源確定方法、相關(guān)設(shè)備及系統(tǒng)
- 一種業(yè)務(wù)信道時(shí)域位置指示方法、基站和用戶設(shè)備
- 一種配置CSI-RS的時(shí)域位置的方法、基站和用戶終端
- 一種被用于無(wú)線通信的節(jié)點(diǎn)中的方法和裝置
- 一種基于時(shí)域分析的智能移動(dòng)支付系統(tǒng)
- 一種快速傅里葉變換濾波方法
- 一種資源確定方法、相關(guān)設(shè)備及系統(tǒng)
- 一種資源確定方法、相關(guān)設(shè)備及系統(tǒng)
- 語(yǔ)音識(shí)別方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)
- 一種時(shí)域重復(fù)傳輸方法、裝置及發(fā)射機(jī)
- 卷積運(yùn)算處理方法及相關(guān)產(chǎn)品
- 一種卷積神經(jīng)網(wǎng)絡(luò)的計(jì)算方法及系統(tǒng)
- 卷積運(yùn)算方法及系統(tǒng)
- 卷積運(yùn)算方法、裝置及系統(tǒng)
- 深度神經(jīng)網(wǎng)絡(luò)裁剪方法、裝置及電子設(shè)備
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法和圖像處理裝置
- 卷積神經(jīng)網(wǎng)絡(luò)及基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法
- 一種圖像處理方法、裝置以及計(jì)算機(jī)存儲(chǔ)介質(zhì)
- 用于卷積神經(jīng)網(wǎng)絡(luò)的卷積運(yùn)算裝置
- 基于FPGA實(shí)現(xiàn)圖像識(shí)別的方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)





