公开(公告)号：CN114970313A

公开(公告)日：2022-08-30

申请号：CN202210343618.2

申请日：2022-04-02

Applicant: 东南大学

Inventor： 王立辉 ,  邱亚娟 ,  王京 ,  张核

IPC: G06F30/27 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/06 ,  H02J3/00 ,  G06F113/04 ,  G06F119/08

Abstract: 本发明是一种基于自适应图卷积网络的非侵入式负荷分解方法，包括以下步骤:(1)形成由总负荷有功功率序列、总负荷电流序列和温度序列构成的总负荷特征序列；(2)对形成的总负荷特征序列进行滑动窗口分段；(3)耦合用户行为特征，对分段后的每段总负荷特征序列进行图建模；(4)将图数据进行划分并输入到AGCN模型中进行训练；(5)对输出目标电器功率曲线进行状态功率阈值判断获得电器状态。本发明依据所采集的传统负荷特征序列和温度形成新的序列，对形成的新的序列耦合用户行为特征进行图建模，通过基于空间注意力机制的切比雪夫图卷积网络充分提取负荷的稳态特征，进而对非侵入式负荷达到更为精准的分解。

公开(公告)号：CN114970313B

公开(公告)日：2024-11-12

申请号：CN202210343618.2

申请日：2022-04-02

Applicant: 东南大学

Inventor： 王立辉 ,  邱亚娟 ,  王京 ,  张核

IPC: G06F30/27 ,  G06N3/0464 ,  G06N3/084 ,  G06Q50/06 ,  H02J3/00 ,  G06F113/04 ,  G06F119/08

Abstract: 本发明是一种基于自适应图卷积网络的非侵入式负荷分解方法，包括以下步骤:(1)形成由总负荷有功功率序列、总负荷电流序列和温度序列构成的总负荷特征序列；(2)对形成的总负荷特征序列进行滑动窗口分段；(3)耦合用户行为特征，对分段后的每段总负荷特征序列进行图建模；(4)将图数据进行划分并输入到AGCN模型中进行训练；(5)对输出目标电器功率曲线进行状态功率阈值判断获得电器状态。本发明依据所采集的传统负荷特征序列和温度形成新的序列，对形成的新的序列耦合用户行为特征进行图建模，通过基于空间注意力机制的切比雪夫图卷积网络充分提取负荷的稳态特征，进而对非侵入式负荷达到更为精准的分解。

公开(公告)号：CN116430148A

公开(公告)日：2023-07-14

申请号：CN202310422211.3

申请日：2023-04-19

Applicant: 东南大学

Inventor： 王立辉 ,  张核 ,  金伟明

IPC: G01R31/00 ,  G01R21/133

Abstract: 基于LSTM‑GRU集成学习的非侵入式负荷监测方法，包括步骤：1、获取用户总线以及负荷的有功功率的值；2、对采集的数据进行预处理并进行配对组成数据集；3、构建基于LSTM和基于GRU的基模型，分别训练这两个基模型；4、使用训练好的两个基模型分别对总线有功功率进行初步分解得到目标负荷的初步分解值并进行结合；5、构建基于LSTM‑GRU集成学习的集成模型，将上一步的结果作为模型的输入，目标负荷的有功功率作为输出，训练所构建的基于LSTM‑GRU集成学习的元模型；6、根据当前总线的有功功率获得当前目标负荷的有功功率的数据。该方法通过结合两个基于LSTM和GRU的优势性能，并将BiTCN‑Attention模型和分类子模型集成作用的方式组成元模型，提升非侵入式负荷监测模型的分解精度。