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：CN112215405B

主分类号：G06F18/15

分类号：G06F18/15;G06F18/213;G06F18/2431;G06N3/0464;G06N3/0499;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DANN域适应学习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对采集的数据依次进行提取、格式转换、数据扩充和标准化处理；3构建域适应学习DANN模型，利用预处理后的数据对DANN模型进行训练，自动提取负荷特征；4利用训练完成的DANN模型对待分解的主表功率数据进行负荷分解，获取每个用电设备的运行耗能信息。本发明采用DANN域适应学习方式，混合源域与目标域数据对网络进行训练，提高了任意未知家庭用电设备的负荷分解精度，提升了模型的泛化能力，对未来大规模部署负荷分解系统起到了前瞻性的作用。

主权项：1.一种基于DANN域适应学习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对采集的数据依次进行提取、格式转换、数据扩充和标准化处理；3构建域适应学习DANN模型，利用预处理后的数据对DANN模型进行训练，自动提取负荷特征；4利用训练完成的DANN模型对待分解的主表功率数据进行负荷分解，获取每个用电设备的运行耗能信息；所述的步骤3具体包括以下步骤：301构建DANN模型：构建由5个卷积层构成的CNN特征提取器，2个全连接层构成的预测器，2个全连接层构成的域判别器，特征提取器选择ReLU作为激活函数，每层的滤波器个数分别为30,30,40,60,70，滤波器大小依次为10,8,6,5,3；预测器神经元个数为128，1，选用ReLU激活函数和线性激活函数；域判别器神经元个数为100，1，选用ReLU激活函数和线性激活函数；所述DANN模型即由上述CNN特征提取器、预测器、域判别器构成；302利用步骤2预处理后的数据对上述DANN模型进行训练。

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DANN域适应学习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