Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于SResNet-SCNN-BiLSTM网络的非侵入式负荷监测方法及系统 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:吉林化工学院

摘要:本发明公开了一种基于SResNet‑SCNN‑BiLSTM网络的非侵入式负荷监测方法及系统,涉及电力负荷监测领域,包括:从家庭用电数据集中选取各电器的负荷数据得到总功率序列,并对总功率序列进行预处理,得到初始样本数据集;利用CGAN网络对初始样本数据集进行扩充,得到扩充样本数据集;结合改进残差网络和SCNN‑BiLSTM网络构建负荷分解网络模型,并利用扩充样本数据集进行训练;利用训练好的负荷分解网络模型,对待识别家庭总用电负荷进行识别分解,得到各不同电器的负荷。本发明能够有效提高非侵入式负荷监测对不同电器设备电力负荷识别的准确性。

主权项:1.一种基于SResNet-SCNN-BiLSTM网络的非侵入式负荷监测方法,其特征在于,具体步骤如下:从家庭用电数据集中选取各电器的负荷数据得到总功率序列,并对所述总功率序列进行预处理,得到初始样本数据集;利用CGAN网络对所述初始样本数据集进行扩充,得到扩充样本数据集;结合改进残差网络和SCNN-BiLSTM网络构建负荷分解网络模型,利用所述改进残差网络提取特征输出高维特征图,对所述高维特征图进行重塑,并利用SCNN对重塑后的高维特征图进行空间特征提取,并调整为适合BiLSTM的特征矩阵;利用所述扩充样本数据集对所述负荷分解网络模型进行训练;利用训练好的负荷分解网络模型,对待识别家庭总用电负荷进行识别分解,得到各不同电器的负荷。

全文数据:

权利要求:

百度查询: 吉林化工学院 一种基于SResNet-SCNN-BiLSTM网络的非侵入式负荷监测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。