基于时间模糊化长短时记忆的非侵入式负荷分解方法

摘要：

基于深度学习的负荷分解方法忽略了设备状态的关联性,导致应用过程中会出现功率误判现象.针对上述问题,提出一种基于时间模糊化长短时记忆(TFLSTM)的非侵入式负荷分解方法.首先,根据合适的时间区域分割数据集,利用长短时记忆(LSTM)建立时刻关联性.然后,通过编码和解码去除非目标设备信息,并根据用户在不同时间区域的用电习惯来确定模糊策略,最终完成负荷分解.基于公开数据集,将文中方法与经典方法及前沿方法进行对比,实验结果表明TFLSTM能够有效降低功率误差,功率分解准确率可提高4％～15％.

关键词：负荷分解;长短时记忆;用电行为分析;模糊策略;深度学习;自编码器

所属期刊栏目：45

资助基金：国家自然科学基金资助项目;国家重点研发计划资助项目;上海浦江人才计划资助项目

在线出版日期：2021-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：73-80