基于对抗生成网络的家用设备电器指纹数据生成方法技术

本发明专利技术属于用电负荷监测技术领域，具体为一种基于对抗生成网络的家用设备电器指纹数据生成方法。本发明专利技术采用对抗生成网络PowerTransGan，生成真正随机的、贴近真实的家用设备电器指纹数据，作为训练非侵入式负荷监测方法的数据增强手段。具体包括：明确PowerTransGan的整体结构，包含七组以Transformer编码器为基础的生成器和判别器模块，引入对生成器和判别器的限制条件，并且针对性设计不同的损失函数，以实现更好的优化，最后在网络的训练过程中采用基于模块融合的阶段性学习过程，依据训练轮次交替进行生成器和判别器的训练，最终得到生成器能够生成接近真实样本的、判别器也无法辨别的电力数据。判别器也无法辨别的电力数据。判别器也无法辨别的电力数据。

【技术实现步骤摘要】
基于对抗生成网络的家用设备电器指纹数据生成方法


[0001]本专利技术属于用电负荷监测
，具体涉及一种基于对抗生成网络的家用设备电器指纹数据生成方法。

技术介绍

[0002]获得家庭用户的用电功耗特性，能够使得能源供货商更好的预测用户未来的需求，更好的进行能源的调度，同时也能够允许用户对家用电器的电力消耗有更好的了解，减少能源的浪费。非侵入式负荷监测(NILM)只使用一个家庭的智能电表读数，通过一些机器学习或优化算法能推断电器功耗分布的近似值。
[0003]这些方法的性能很大程度上取决于训练数据代表真实分布的程度，NILM需要更多的电力数据集来进行训练和测试，所以电力数据的收集一直是NILM主要的研究内容之一，目前有一些数据集推动着NILM的发展，但这些数据集都只涵盖了电力消耗分布状况中的一部分，如持续时间、采样频率等。造成这种现象的主要原因在于数据不易收集以及负荷分解困难，通过电表的家庭用电数据杂乱充满变数导致电力数据繁杂难以收集，且存在的噪音干扰较大，对收集的数据进行分解提取电器指纹十分困难。
专利
技术实现思路

[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于对抗生成网络的家用设备电器指纹数据生成方法，其特征在于，具体步骤为：步骤1：新增PowerTransGan的生成器(G)和判别器(D)模块；步骤2：现有模块与新增模块的融合，即将已有模块与新增模块的输出按照一定比重计算进行联合输出；具体根据训练迭代次数是否小于N
f
来判断是否需要进行模块融合步骤，N
f
为根据实际情况设定的常数；步骤3：训练生成器，根据噪声代码合成生成的信号数据，并与训练样本的信号数据一同输入判别器中，对判别器进行训练；步骤4：交替进行生成器和判别器的损失计算，以及对应的优化；步骤5：阶段性学习，即采用阶段性学习的方法；每一阶段，即新的模块的加入时会经历N
e
轮次的训练，所使用的对抗生成网络共有N
m
组生成器和判别器模块；因此，每一阶段训练迭代次数未达N
e
次时，返回步骤2；若生成器和判别器模块数未达N
m
组时，返回步骤1；N
e
以及N
m
根据实际情况确定；步骤6：经过上述步骤1到步骤5的网络训练，得到PowerTransGan，用于合成相似于样本数据分布的家用设备电器指纹数据；步骤1中，采用的PowerTransGan网络需设定多组生成器和判别器模块，总模块数未达设定组数时需要新增生成器和判别器的模块，PowerTransGan总共包含7组生成器和判别器模块；其中：(1)所述生成器，由多层感知机、堆叠的多个Transformer编码器以及上采样模块构成，整体结构为三层结构，每一层分别堆叠了若干个Transformer编码器模块，自输入端到输出端的结构描述，依次为：多层感知机，5层堆叠的Transformer编码器，2x的上采样模块，2层堆叠的Transformer编码器，2x的上采样模块，2层堆叠的Transformer编码器以及线性逆扁平层；输入的随机噪声经过一个多层感知机转换成向量形式的信号数据N
z xC，N
z
为噪声代码的维度，C为样本数据集中不同数据类别的数量，在经过多次Transformer编码器以及上采样模块之后，输入的数据逐步成为同样本信号数据N
s x1相同维度的信号数据，N
s
为样本数据的维度；(2)所述判别器，由三部分组成，自输入端到输出端的结构依次为：一个线性扁平层，7层堆叠的Transformer编码器模块，进行分类预测的模块；首先，输入数据N
s x(C+1)被分割成8x8个信号数据块，通过线性扁平层转换成一维序列，并在其中添加可学习的位置编码以及在头部添加[cls]标记，用于下游的分类任务，通过堆叠的Transformer编码器之后，分类预测的模块仅利用[cls]标记进行分类输出真/假的判别结果；(3)采用“To Time
‑
Series”和“From Time
‑
Series”进行连接；即在生成器部分，输出先经过一个“To Time
‑
Series”模块，随后再经过一个“FromTime
‑
Series”模块，最后输入到判别器中；所述“To Time
‑
Series”和“From Time
‑
Series”模块通过一维卷积实现；其中，所述Transformer编码器，由一个多头自注意力模块以及一个具有非线性GELU的前馈多层感知机(MLP)构成，输入经过层归一化到达这两个部分，所有的模块部分都具有残差连接；自输入端到输出端的结构依次为：层归一化，多头自注意力模块，残差链接，层归一
化，多层感知机，残差链接。2.根据权利要求1所述的基于对抗生成网络的家用设备电器指纹数据生成方法，其特征在于，步骤2中所述现有模块与新增模块的融合，具体包括：(1)设定参数设定参数α＝min(1,ep/EP

【专利技术属性】
技术研发人员：张珊珊，
申请(专利权)人：上海梦象智能科技有限公司，
类型：发明
国别省市：