一种改进的序列到点 HVAC 负荷分解算法
系统与控制
2023-02-28 v2 系统与控制
摘要
本文提出一种改进的序列到点(S2P)算法，用于从建筑总用电消耗中分解供暖、通风与空调(HVAC)负荷。原始 S2P 模型基于卷积神经网络(CNN)，以负荷曲线作为输入。我们提出三点改进。第一，将输入卷积层由一维改为二维，从而将归一化温度曲线也作为 S2P 模型的输入。第二，加入丢弃(drop-out)层以提升适应性与泛化能力，使得在一个地区训练的模型可在无其他标记 HVAC 数据的情况下迁移至其他地理区域。第三，针对仅有少量标记 HVAC 数据的区域提出微调过程，使预训练的 S2P 模型经微调后在其他区域获得更高分解精度（即更好的可迁移性）。该模型首先使用美国得克萨斯州奥斯汀采集的智能电表与分项计量 HVAC 数据进行训练与测试，随后在另两个区域——科罗拉多州博尔德与加利福尼亚州圣迭戈——进行测试。仿真结果表明，所提改进 S2P 算法在精度、适应性与可迁移性上均优于原始 S2P 模型及基于支持向量机的方法。
引用
@article{arxiv.2212.04886,
title = {A Modified Sequence-to-point HVAC Load Disaggregation Algorithm},
author = {Kai Ye and Hyeonjin Kim and Yi Hu and Ning Lu and Di Wu and PJ Rehm},
journal= {arXiv preprint arXiv:2212.04886},
year = {2023}
}
备注
To be published in the proceedings of the 2023 IEEE PES General Meeting