一种基于自学习的非侵入式负荷识别方法技术

本发明专利技术公开了基于自学习的非侵入式负荷识别方法，主要解决现有的非侵入式负荷识别方法中对于新接入的不同类型的负荷设备的识别能力是非常薄弱或者是不具备、缺乏自学习能力等问题，从而拓展非侵入式负荷识别方法的使用场景。本发明专利技术通过基于频域信号的降维策略、基于卷积的多头注意力机制编码机制、最小化类内间距训练的策略提高非侵入式负荷识别方法的自学习能力，即自动学习表征新电器的能力，使其可有效识别新接入电器类型，提高了其应用场景和使用价值。此外，由于该端到端模型具有自学习能力，可以自主完成对新电器表征的学习而无须人为介入进行模型重训练，降低了模型的训练成本，提高了识别效率。

【技术实现步骤摘要】

本专利技术涉及一种负荷识别方法，更具体的说是涉及一种基于自学习的非侵入式负荷识别方法。

技术介绍

1、近年来，随着我国经济的不断发展，我国对能耗，特别是电能的需求不断增加。其中，2022年工业用电量占全社会用电量的比重达64.8％，第一产业用电量同比增长10.4％，第二产业用电量57001亿千瓦时，同比增长1.2％；第三产业用电量14859亿千瓦时，同比增长4.4％。工业用电量的快速提升给能源供给侧增加了极大的压力。为了缓解这种压力，可以从开源和节流两个方面入手。开源方面可以增加发电设备容量；节流方面可以通过对用能的方式的管理进行优化，提高用能效率并减少电能浪费。过多地增加发电设备容量经济性低且不合实际，因此优化工业端用电的方式就显得极为重要。此外，工厂的用电安全是安全生产的重要前提之一。例如，当生产车间中接入了不合生产要求的用电器时，可能不仅造成能耗的增加，还会危及生产安全。因此，需要对特殊的用电场所实施用电负荷监测，对场所中不符合要求的用电器进行准确的识别至关重要。

2、一般而言，在目标用电器上加装传感器以获得负荷数据被称为侵入式用电负荷监本文档来自技高网...

【技术保护点】

1.一种基于自学习的非侵入式负荷识别方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的基于自学习的非侵入式负荷识别方法，其特征在于：所述步骤一中数据预处理的具体步骤如下：

3.根据权利要求2所述的基于自学习的非侵入式负荷识别方法，其特征在于：所述步骤二中构建基于卷积的多头注意力机制编码机制的非侵入式负荷识别模型的具体步骤如下：

4.根据权利要求3所述的基于自学习的非侵入式负荷识别方法，其特征在于：所述步骤二一中构建ConvTrans编码层的具体方式为：采用多头注意力机制对数据进行编码，之后使用2层全连接层对经过多头注意力机制后的数据进行编码：<...

【技术特征摘要】

1.一种基于自学习的非侵入式负荷识别方法，其特征在于：包括如下步骤：

2.根据权利要求1所述的基于自学习的非侵入式负荷识别方法，其特征在于：所述步骤一中数据预处理的具体步骤如下：

3.根据权利要求2所述的基于自学习的非侵入式负荷识别方法，其特征在于：所述步骤二中构建基于卷积的多头注意力机制编码机制的非侵入式负荷识别模型的具体步骤如下：

4.根据权利要求3所述的基于自学习的非侵入式负荷识别方法，其特征在于：所述步骤二一中构建convtrans编码层的具体方式为：采用多头注意力机制对数据进行编码，之后使用2层全连接层对经过多头注意力机制后的数据进行编码：

5.根据权利要求4所述的基于自学习的非侵入式负荷识别方法，其特征在于：步骤二二中构建cnn解码层的具体方式为：采用4层cnn...

【专利技术属性】
技术研发人员：李屹，林新志，王勋，杨传升，顾明生，钱海波，王堃，
申请(专利权)人：北京京仪北方仪器仪表有限公司，
类型：发明
国别省市：