基于双向GRNN与时间序列翻译模型的非侵入式负荷分解算法

摘要：

非侵入式负荷分解是用户侧精细化能量管理的关键技术,为了提高算法分解准确率与模型训练速度,提出了一种基于双向GRNN与时间序列翻译模型的非侵入式负荷分解算法.使用局部注意力机制对中间向量的传递过程进行了优化,在增加模型注意力的同时降低了算法的运算量.使用集束搜索算法使解码环节得到了更多的功率概率曲线,实现了分解准确率的提高.使用人工合成训练数据方法克服了数据集不平衡问题,提高了算法的稳定性.最后在REDD数据集上对文章所提算法进行了验证,与其他先进算法相比,所提出算法的准确率具有较大幅度提高,并且与基于LSTM的算法相比,本算法的模型训练速度提高了40％以上.

关键词：双向GRNN、循环神经网络、序列翻译模型、seq2seq、负荷分解

所属期刊栏目：36

分类号：TM71(输配电工程、电力网及电力系统)

资助基金：国网河北省电力有限公司科技项目

在线出版日期：2019-11-04（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：9-15,86