基于对比学习的非侵入式负荷辨识方法技术

本发明专利技术公开了基于对比学习的非侵入式负荷辨识方法，包括以下步骤：原始训练数据集加载与参数初始化；构建多视图训练数据集；划分多视图训练数据集；读取第一批次训练数据，输入编码器，提取数据样本的高维度特征；得到监督分类损失；得到无监督损失；得到图对比损失；计算综合损失相对于模型参数的梯度，更新模型参数；重复上述步骤多轮次直至满足预设的迭代次数或收敛精度，最终获得负荷辨识模型。本发明专利技术能够利用无标签负荷数据样本对负荷辨识模型进行自监督训练，有效减少对大量有标签数据样本的依赖；引入的图对比学习框架通过最大化伪标签图和嵌入特征图的相似度来提高模型学习鉴别特征的能力，从而提升负荷辨识精度。

【技术实现步骤摘要】

本专利技术属于非侵入式电力负荷监测，具体涉及基于对比学习的非侵入式负荷辨识方法。

技术介绍

1、在当前的“双碳”背景下，电力需求侧正保持着刚性上涨态势。已有大量研究显示，若将电力系统的灵活性扩展到用户端，即电力系统中的终端用户或电力消费者，使用户通过调整自身用电行为更加主动地参与电力调度和负荷调整，可以有效支持电力系统的平衡稳定运行，促进可再生能源的集成。实现这项任务的关键就是为用户提供更细粒度的用电信息，从而保证用户对其用电行为进行灵活有效的调整以提高能源效益。在此基础上，开发精准的负荷监测技术已成为各个国家普遍关注的一个研究方向，如刘博,栾文鹏.基于负荷分解的用电数据云架构方案及应用场景[j].电网技术,2016,40(03):791-796。

2、非侵入式负荷监测(non-intrusive load monitoring，nilm)技术通过采集用户入口总线处的总用电数据，就能够通过算法分解获取各个用电设备能耗信息及运行状态，为负荷监测工作提供了一种简单且具有经济效益的方法。nilm技术能够让智能电网对能源需求进行更精确的预测，进而为电网本文档来自技高网...

【技术保护点】

1.基于对比学习的非侵入式负荷辨识方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于对比学习的非侵入式负荷辨识方法，其特征在于：步骤A进行原始训练数据集加载与参数初始化，具体过程如下：

3.根据权利要求1所述的基于对比学习的非侵入式负荷辨识方法，其特征在于：步骤B构建多视图训练数据集，具体过程如下：

4.根据权利要求1所述的基于对比学习的非侵入式负荷辨识方法，其特征在于：步骤C划分多视图训练数据集，具体过程如下：

5.根据权利要求1所述的基于对比学习的非侵入式负荷辨识方法，其特征在于：步骤E对于有标签训练数据样本，计算交叉熵，得...

【技术特征摘要】

1.基于对比学习的非侵入式负荷辨识方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于对比学习的非侵入式负荷辨识方法，其特征在于：步骤a进行原始训练数据集加载与参数初始化，具体过程如下：

3.根据权利要求1所述的基于对比学习的非侵入式负荷辨识方法，其特征在于：步骤b构建多视图训练数据集，具体过程如下：

4.根据权利要求1所述的基于对比学习的非侵入式负荷辨识方法，其特征在于：步骤c划分多视图训练数据集，具体过程如下：

5.根据权利要求1所述的基于对比学习的非侵入式负荷辨识方法，其特征在于：步骤e对于有标签训练数据样本，计算交叉熵，得到监督分类损失，具体过程如下：

<...

【专利技术属性】
技术研发人员：刘博，吴宇彤，李可可，栾文鹏，
申请(专利权)人：天津大学，
类型：发明
国别省市：