申请/专利权人：国网甘肃省电力公司电力科学研究院;国网甘肃省电力公司营销服务中心

申请日：2020-09-23

公开（公告）日：2024-04-16

公开（公告）号：CN112215406B

主分类号：G06F18/15

分类号：G06F18/15;G06F18/213;G06F18/214;G06F18/2431;G06N3/0464;G06N3/084;G06Q50/06;G06N3/048

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2024.04.02#著录事项变更;2024.04.02#专利申请权的转移;2021.01.29#实质审查的生效;2021.01.12#公开

摘要：本发明提供了一种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，包括如下步骤：1采集电力负荷入口处的功率数据；2对采集得到的数据集依次进行提取、扩充和归一化处理；3构建时间卷积神经网络模型，利用步骤2预处理后的数据对模型进行训练，自动提取负荷特征；4利用训练后的时间卷积模型对待分解的负荷数据进行负荷分解，获取每个负荷的使用及消耗功率信息。本发明在保证扩张因果卷积能够完全覆盖整个序列的情况下，采用了较小输入序列长度，因此既能降低运算复杂度，又提高了分解精度。

主权项：1.一种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，其特征在于，包括如下步骤：1采集电力负荷入口处的功率数据；2对采集得到的数据集依次进行提取、扩充和归一化处理；3构建时间卷积神经网络模型，利用步骤2预处理后的数据对模型进行训练，自动提取负荷特征；4利用训练后的时间卷积模型对待分解的负荷数据进行负荷分解，获取每个负荷的使用及消耗功率信息；所述步骤3具体包括以下步骤:301时间卷积神经网络的构建：所述时间卷积神经网络包括六个卷积层，一个weightnormalization以及一个全连接的时间卷积模型，选择RELU作为激活函数；302利用步骤2预处理后的数据对时间卷积神经网络模型进行训练，具体采用Minibatch的方式馈入数据，设置batchsize为256，同时在神经网络添加Dropout层用于防止过拟合，采用Adam优化器进行训练，学习率为0.0001，训练次数为100次，选取训练误差最小的一次，作为最优模型用于负荷分解。

全文数据：

权利要求：

百度查询： 国网甘肃省电力公司电力科学研究院;国网甘肃省电力公司营销服务中心 一种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

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD