公开(公告)号：CN117498543A

公开(公告)日：2024-02-02

申请号：CN202311406235.6

申请日：2023-10-27

Applicant: 中国矿业大学

Inventor： 李克勤 ,  顾言 ,  左慧园 ,  杨霄 ,  袁海 ,  王军

IPC: H02J13/00 ,  H02J3/00 ,  G01R21/00 ,  G06Q10/0637 ,  G06Q50/06 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于任务特征融合的非侵入式负荷监测功率分解方法，将每个家电的功率分解视为一个子任务，构建基于多任务学习的多家电功率分解模型。设计的模型包括一个共性特征矩阵提取分支和多个个性任务提取分支，分别提取所有家电都需要的共性特征矩阵和个别家电需要的个性特征矩阵，然后将每个家电的个性特征矩阵和共性特征矩阵融合在一起用于每个子任务的功率分解。通过特征融合的方式不仅可以将各个子任务关联起来，并且丰富了家电功率分解特征。本发明增强了功率分解模型的泛化能力，减少了需要多次训练模型的训练时间和训练参数，提高了家电功率分解的准确性。

公开(公告)号：CN117498543B

公开(公告)日：2024-06-07

申请号：CN202311406235.6

申请日：2023-10-27

Applicant: 中国矿业大学

Inventor： 李克勤 ,  顾言 ,  左慧园 ,  杨霄 ,  袁海 ,  王军

IPC: H02J13/00 ,  H02J3/00 ,  G01R21/00 ,  G06Q10/0637 ,  G06Q50/06 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于任务特征融合的非侵入式负荷监测功率分解方法，将每个家电的功率分解视为一个子任务，构建基于多任务学习的多家电功率分解模型。设计的模型包括一个共性特征矩阵提取分支和多个个性任务提取分支，分别提取所有家电都需要的共性特征矩阵和个别家电需要的个性特征矩阵，然后将每个家电的个性特征矩阵和共性特征矩阵融合在一起用于每个子任务的功率分解。通过特征融合的方式不仅可以将各个子任务关联起来，并且丰富了家电功率分解特征。本发明增强了功率分解模型的泛化能力，减少了需要多次训练模型的训练时间和训练参数，提高了家电功率分解的准确性。