公开(公告)号：CN117435909A

公开(公告)日：2024-01-23

申请号：CN202311145185.0

申请日：2023-09-06

Applicant: 河南大学

Inventor： 蒋磊 ,  朱林 ,  何欣 ,  金声

IPC: G06F18/213 ,  G06F18/25 ,  G06F18/10 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明公开了一种基于迁移学习和多维度特征提取模型的非侵入式负荷分解方法，主要包括以下步骤：数据预处理；构建多维度特征提取模型；模型预训练；迁移模型，在另一个数据集上微调训练模型；测试模型；负荷分解。本发明的多维度特征提取模型利用卷积以及循环神经网络的变种相融合的方式在不同通道维度内进行特征的提取，从而结合二者的优点更好的提取特征，通过多维度特征提取模型的特征提取能力，进行预训练时提取电器多个维度的运行特征，并得到预训练模型，然后将该模型迁移到与预训练时不同的数据集中，从而面对新环境的数据集无需从头训练，仅需对该种类电器进行微调训练，进而达到节约算力以及加快新模型训练的目的。

公开(公告)号：CN115905814A

公开(公告)日：2023-04-04

申请号：CN202211572490.3

申请日：2022-12-08

Applicant: 河南大学

Inventor： 蒋磊 ,  朱林 ,  何欣 ,  金声

IPC: G06F18/10 ,  G06F18/214 ,  G06F18/25 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于阈值降噪网络的非侵入式负荷分解方法，包括：获取各电器的功率数据，对所述功率数据进行归一化处理，并将归一化后功率数据划分为训练集和测试集；构建基于Soft Thresholding和Transfromer的阈值降噪网络，并将其作为负荷分解模型，将预处理后的训练集数据输送至构建好的负荷分解模型中进行训练；通过测试集数据对训练好的负荷分解模型进行测试，计算出各个电器的分解功率。本发明构建的阈值降噪网络主要包括Soft Thresholding和Transfromer层，既能实现并行化处理，又能够去除数据中的噪声污染，得到更精确的特征，提升了负荷分解的准确度。