【技术实现步骤摘要】
本专利技术涉及电力的负载监测领域，尤其涉及一种基于弱标签的全过程非侵入式负载监测系统及方法。
技术介绍
1、自然资源的日益稀缺和环境问题的不断加剧，使节约能源成为全球范围内的关键议题。为了实现可持续发展和减缓气候变化的目标，全球社会都在努力采取措施来减少能源消耗和降低碳排放。随着技术的发展以及电器和自动化服务的不断使用，电力需求在上个世纪一直在稳步增长，在过去十年中每年增长约3.4％。研究表明，通过向用户传递各个设备的用能规律、能源消耗的详细分析和实时反馈，可以节省高达20％的能源消耗，而这种能对设备的运行情况进行感知的技术被称为负载监测。
2、负载监测的定义是指对负载(即电力系统或电网内部的用电设备)的使用情况进行实时监测和分析的过程。负载监测的实现方式有两种。第一种叫做侵入式负载监测ilm(intrusive load monitoring)，这类方法在建筑物内的每一个负载上安装单独的智能电表和传感器，从而对负载进行单独监测。由于此类方法需要在每个负载上传感器，其安装成本高昂且维护密集。第二种实现方式称为非侵入式负载监测...
【技术保护点】
1.一种基于弱标签的全过程非侵入式负载监测系统，其特征在于，包括：
2.根据权利要求1所述的基于弱标签的全过程非侵入式负载监测系统，其特征在于，所述多任务学习功耗分解处理模型的构成包括：
3.根据权利要求2所述的基于弱标签的全过程非侵入式负载监测系统，其特征在于，所述特征提取层由三个序列的卷积层组成，每个卷积层对应的卷积核大小分别为3、5、7，每个卷积层的卷积核数量分别为32、128、524；
4.根据权利要求2或3所述的基于弱标签的全过程非侵入式负载监测系统，其特征在于，所述多任务学习功耗分解处理模型采用自动损失加权函数W(·)1...
【技术特征摘要】
1.一种基于弱标签的全过程非侵入式负载监测系统，其特征在于，包括：
2.根据权利要求1所述的基于弱标签的全过程非侵入式负载监测系统，其特征在于，所述多任务学习功耗分解处理模型的构成包括：
3.根据权利要求2所述的基于弱标签的全过程非侵入式负载监测系统，其特征在于，所述特征提取层由三个序列的卷积层组成，每个卷积层对应的卷积核大小分别为3、5、7，每个卷积层的卷积核数量分别为32、128、524；
4.根据权利要求2或3所述的基于弱标签的全过程非侵入式负载监测系统，其特征在于，所述多任务学习功耗分解处理模型采用自动损失加权函数w(·)1t计算总损失，所述自动损失加权函数w(·)1...
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。