Institutional Repository of Coll Elect & Informat Engn
基于时间卷积神经网络的非侵入式居民用电负荷分解方法 | |
刘仲民1; 侯坤福1; 高敬更2; 王治国2 | |
2021-03-01 | |
发表期刊 | 电力建设 |
ISSN | 1000-7229 |
卷号 | 42期号:2021,42(03)页码:97-106 |
摘要 | 非侵入式负荷分解技术通过从主表信息中恢复出用电侧单个用电设备的状态,可以准确地刻画用户用电画像,为用户侧精细化管理发挥重要作用。针对目前人工神经网络模型在负荷分解中存在的分解精度不高、训练效率低下等问题,文章构建了基于时间卷积神经网络(temporal convolutional neural network,TCN)的非侵入式负荷分解模型。通过分析设备的用电规律,采用扩张因果卷积在主表功率序列进行卷积运算,扩大了感受野,提取到更加丰富的特征;通过增加残差连接,权重归一化层,优化训练数据窗口,提高了网络训练效率。最后,在经过优化的UKdale数据集上对构建的模型进行测试,实验结果表明获得的平均绝对误差、均方根误差、相对误差都处于较小的范围,时间复杂度分析也进一步说明了在不损失负荷分解精度的情况下,模型具有较短的训练时间。 |
关键词 | 智能电网 负荷分解 时间卷积神经网络(TCN) 序列到点 |
URL | 查看原文 |
收录类别 | SCOPUS ; 北大核心 ; CSCD |
语种 | 中文 |
资助项目 | 国网甘肃省电力公司电力科学研究院科技项目(52273118000Y)~~ |
中图分类号 | TM714;TP183 |
引用统计 | |
文献类型 | 期刊论文 |
条目标识符 | https://ir.lut.edu.cn/handle/2XXMBERH/147859 |
专题 | 电气工程与信息工程学院 |
作者单位 | 1.兰州理工大学电气工程与信息工程学院; 2.国网甘肃省电力公司营销服务中心 |
第一作者单位 | 电气工程与信息工程学院 |
第一作者的第一单位 | 电气工程与信息工程学院 |
推荐引用方式 GB/T 7714 | 刘仲民,侯坤福,高敬更,等. 基于时间卷积神经网络的非侵入式居民用电负荷分解方法[J]. 电力建设,2021,42(2021,42(03)):97-106. |
APA | 刘仲民,侯坤福,高敬更,&王治国.(2021).基于时间卷积神经网络的非侵入式居民用电负荷分解方法.电力建设,42(2021,42(03)),97-106. |
MLA | 刘仲民,et al."基于时间卷积神经网络的非侵入式居民用电负荷分解方法".电力建设 42.2021,42(03)(2021):97-106. |
条目包含的文件 | 下载所有文件 | |||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
基于时间卷积神经网络的非侵入式居民用电负(6262KB) | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 |
个性服务 |
查看访问统计 |
谷歌学术 |
谷歌学术中相似的文章 |
[刘仲民]的文章 |
[侯坤福]的文章 |
[高敬更]的文章 |
百度学术 |
百度学术中相似的文章 |
[刘仲民]的文章 |
[侯坤福]的文章 |
[高敬更]的文章 |
必应学术 |
必应学术中相似的文章 |
[刘仲民]的文章 |
[侯坤福]的文章 |
[高敬更]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论