【技术实现步骤摘要】
本专利技术涉及人工智能领域，具体涉及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。
技术介绍
1、非侵入式负荷监测是一种计算技术，它使用从单点(如智能电表)监测的总功率数据来推断建筑物中运行的终端设备，并估计它们各自的功率消耗。非侵入式负荷监测可以为消费者和公共事业机构提供特定设备的实时监测数据，而不是整个建筑的测量数据，这可以有效的促进节能行为。大多数消费者不知道他们消耗的能源，也没有意识到他们对环境的影响，获知家电详细的能耗数据可以激励消费者更合理地规划家用电器的使用，提高节能意识。更进一步来看，非侵入式负荷监测系统可以通过反馈提出一些建议，让住户有机会实现具体的节能目标，并获得可衡量的回报。甚至可以对家用电器进行远程监控，通知住户现有电器的不寻常的使用模式。此外，非侵入式负荷监测系统可以帮助决策者评估其能效政策的有效性，而供电单位可以更好地预测需求，并使制造商优化产品设计，以满足客户的需求。
2、目前，深度学习已经在非侵入式负荷监测领域取得优异的表现。例如，zhou等人提出了一种多尺度残差神经网络，来提取家电多尺度的特征，提高功率分解效果(g.zhou,z.li,m.fu,y.feng,x.wang and c.huang,“sequence-to-sequence load disaggregationusing multi-scale residual neural network”,ieee transactions oninstrumentation andmeasurement,2020:1-1
3、为解决上述问题，li等人设计了多目标模型输出多个电器的功耗(d.li,j.li,x.zeng,v.stankovic,l.stankovic,c.xiao,q.shi,“transfer learning for multi-objective non-intrusive load monitoring in smart building”,applied energy,2023,329:120223)，但他们是通过增加输出层的节点数来实现的，方法关注于模型的可迁移性，而没有考虑每个家电功率分解特征之间的关系。
技术实现思路
1、本专利技术的目的在于提供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，利用家电功率分解特征之间的关联，同时分解多个家电的功耗，提高功率分解模型的准确性和泛化能力。
2、实现本专利技术目的的技术解决方案为：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，包括以下步骤：
3、步骤1、获取住宅一段时间内功率消耗数据，包括所有电器的总功率消耗以及每个目标家电的功率消耗。
4、步骤2、对获取的数据进行预处理，按照采样时刻，将总功耗和目标电器的功耗对齐，使用滑动窗口的方法制作样本集。
5、步骤3、将每个家电的功率分解视为一个子任务，构建基于cnn的多任务模型，模型包括特征提取、特征融合和特征映射。
6、步骤4、将制作好的样本集输入到构建的多任务模型中进行训练，得到可以分解多个电器功率消耗的多任务模型。
7、步骤5、实时获取待分解的总功耗，通过训练好的多任务模型输出目标电器的功率消耗。
8、与现有技术相比，本专利技术的优点在于：
9、1)通过挖掘独立的单家电功率分解模型之间的关联，分析得到这些模型之间存在共性特征矩阵和个性特征矩阵，将所有单家电模型融合在一起，实现一个模型输出多家电功耗。
10、2)本专利技术设计了一个能够同时提取所有家电共性特征矩阵和单个家电个性特征矩阵的模型，通过特征组合的方法，使得所有子任务相互促进，提高功率分解的准确性。
11、3)与现有的多任务学习解决功率分解问题的方法不同，本专利技术首次将每个家电的功率分解视为一个子任务，将多个家电的功率分解模型联合起来，提升了功率分解的效率。
本文档来自技高网...【技术保护点】
1.一种基于任务特征融合的非侵入式负荷监测功率分解方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的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，其特征在于，步骤1中，获取住宅一段时间内功率消耗数据，包括所有电器的总功率消耗以及每个目标家电的功率消耗，具体如下：
3.根据权利要求2所述的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，其特征在于，步骤2中，对获取的功率消耗数据进行预处理，按照采样时刻，将总功耗和目标电器的功耗对齐，通过滑动窗口的方法制作样本集，具体如下：
4.根据权利要求3所述的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，其特征在于，步骤3中，多任务模型的特征提取具体如下：
5.根据权利要求4所述的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，其特征在于，步骤3中，多任务模型的特征融合具体如下：
6.根据权利要求5所述的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，其特征在于，步骤3中，多任务模型的特征映射具体如下：
7.根据权利要求6所述的一种基于任务特
8.根据权利要求7所述的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，其特征在于，步骤5中，实时获取获取待分解的总功耗，通过训练好的多任务模型输出目标电器的功率消耗，具体如下：
...【技术特征摘要】
1.一种基于任务特征融合的非侵入式负荷监测功率分解方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的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，其特征在于，步骤1中，获取住宅一段时间内功率消耗数据，包括所有电器的总功率消耗以及每个目标家电的功率消耗，具体如下：
3.根据权利要求2所述的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，其特征在于，步骤2中，对获取的功率消耗数据进行预处理，按照采样时刻，将总功耗和目标电器的功耗对齐，通过滑动窗口的方法制作样本集，具体如下：
4.根据权利要求3所述的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，其特征在于，步骤3中，多任务模型的特征提取具体如下...
【专利技术属性】
技术研发人员：李克勤，顾言，左慧园，杨霄，袁海，王军，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。