尺度与上下文感知的卷积非侵入式负荷监测
信号处理
2019-11-19 v1 机器学习
机器学习
摘要
非侵入式负荷监测致力于将家庭用电总信号分解为电器级数据而不安装专用电表这一挑战性任务。通过检测负荷故障与推荐节能方案，高性价比的非侵入式负荷监测为电力公司与终端用户提供智能需求侧管理。本文以名为尺度与上下文感知网络的新颖神经网络结构提升能量分解精度，其利用多尺度特征与上下文信息。具体地，我们开发了具多感受野尺寸与分支门（在子网络中连接各分支）的多分支架构；构建自注意力模块以促进全局上下文整合，并引入对抗损失与开机状态增强进一步提升模型性能。在开放数据集上的大量仿真结果印证了所提方法的优势，其显著优于SOTA方法。
引用
@article{arxiv.1911.07183,
title = {Scale- and Context-Aware Convolutional Non-intrusive Load Monitoring},
author = {Kunjin Chen and Yu Zhang and Qin Wang and Jun Hu and Hang Fan and Jinliang He},
journal= {arXiv preprint arXiv:1911.07183},
year = {2019}
}
备注
Accepted by IEEE Transactions on Power Systems