文档名：基于深度学习与改进负荷行为关联图的农业用户非侵入式负荷分解方法
摘要：目前负荷分解模型大都面向城市用户,忽视了农业用电场景下的负荷关联特性,导致现有负荷分解模型在该场景下的分解效果较差,本文提出了一种基于深度学习与改进负荷行为关联图的农业用户非侵入式负荷分解方法.该方法首先采用One-hot编码构建包含离散和连续影响因素的负荷特征矩阵;其次,运用负荷行为关联图来表征用户不同负荷设备间关联关系,并采用图注意力网络对负荷间相关性进行权重优化;最后,构建基于卷积神经网络和长短时记忆网络的农业用户负荷分解模型并进行训练部署.仿真结果显示,本文所提出的基于深度学习与改进负荷行为关联图的农业用户非侵入式负荷分解方法相比现有方法分别获得4.34%和2.02%的负荷分解精度提升,并更加适用于农业用电场景.
Abstract：Mostresearchworksfocusonthescenarioofurbanuser,ignoringtherelevancebetweenloadsofagricul-turaluserthatleadstoaworsendisaggregationforthem.Thispaperproposesanon-invasiveloaddecompositionmethodforagriculturalusersbasedondeeplearningandimprovedloadbehaviorcorrelationgraph.Firstly,one-hotcodingwasusedtoconstructthecharacteristicmatrixcontainingdiscreteandcontinuousloadfeatures.Secondly,theloadbehaviorcorrelationgraphwasusedtocharacterizetherelationshipbetweenloads,andthegraphattentionmechanismwasintroducedtooptimizetheweightoftheloadcorrelation.Finally,anagriculturalloaddisaggrega-tionmodelbasedonconvolutionalneuralnetworkandlongshort-termmemoryisconstructedandtrained.Simula-tionresultsshowthat,comparedwiththeexistingmethods,theproposednon-invasiveloaddisaggregationmethodforagriculturalusersbasedondeeplearningandimprovedloadbehaviorcorrelationgraphachieves4.34%and2.02%loaddecompositionaccuracyrespectively,andismoresuitableforagriculturalelectricityscenario.
作者：高波 董增波 李飞 史轮 陶鹏 孙毅 陈明昊 Author：GAOBo DONGZengbo LIFei SHILun TAOPeng SUNYi CHENMinghao
作者单位：国网河北省电力有限公司营销服务中心,河北石家庄050035国网河北省电力有限公司,河北石家庄050021华北电力大学电气与电子工程学院,北京102206
刊名：电工电能新技术
Journal：AdvancedTechnologyofElectricalEngineeringandEnergy
年，卷(期)：2024, 43(1)
分类号：TM714
关键词：机器学习 负荷分解 长短时记忆网络 图注意力网络 特征提取
Keywords：machinelearning loaddisaggregation longshort-termmemory graphattentionnetwork featureex-traction
机标分类号：
在线出版日期：2024年3月6日
基金项目：国网河北省电力公司科技项目基于深度学习与改进负荷行为关联图的农业用户非侵入式负荷分解方法[
期刊论文] 电工电能新技术--2024, 43(1)高波 董增波 李飞 史轮 陶鹏 孙毅 陈明昊目前负荷分解模型大都面向城市用户,忽视了农业用电场景下的负荷关联特性,导致现有负荷分解模型在该场景下的分解效果较差,本文提出了一种基于深度学习与改进负荷行为关联图的农业用户非侵入式负荷分解方法.该方法首先采...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于深度学习与改进负荷行为关联图的农业用户非侵入式负荷分解方法 Non-invasive load disaggregation method for agricultural power user based on deep learning and improved load behavior correlation graph
基于深度学习与改进负荷行为关联图的农业用户非侵入式负荷分解方法.pdf
- 文件大小:
- 1.29 MB
- 下载次数:
- 60
-
高速下载
|
|
