基于知识蒸馏算法的非侵入式负荷监测方法及系统技术方案

本发明专利技术涉及一种基于知识蒸馏算法的非侵入式负荷监测方法及系统，包括以下步骤：步骤1、构建仿真数据集；步骤2、将该仿真数据集中的数据归一化处理得到模型训练、验证及测试的输入数据；步骤3、得到用于从总功率信号中分解出负荷设备消耗功率的教师负荷分解模型；步骤4、得到的网络模型即用于从总功率信号中分解出负荷设备消耗功率的学生负荷分解模型；步骤5、得到所需的最终学生负荷分解模型；步骤6、将仿真数据集中的测试总功率信号数据输入到步骤5的经过知识蒸馏算法训练后的最终学生负荷分解模型中，得到目标设备功率数据。本发明专利技术能够能够解决NILM技术在用户侧边缘设备上部署应用的问题。

【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，涉及一种非侵入式用户负荷监测方法及系统，尤其是一种基于知识蒸馏算法的非侵入式负荷监测方法及系统。

技术介绍

1、随着智能电网的不断发展以及智能传感技术的持续推广，电力大数据分析已逐渐成为电力行业专家学者们研究的热点。非侵入式负荷监测(non-intrusiveloadmonitoring，nilm)技术是指仅在用户入口处安装一个传感器，通过采集和分析用户总口数据来监测户内每个或每类电器的用电功率和工作状态，从而了解居民家中各电器的耗电情况及用电规律。nilm技术对于优化电网规划、运行与管理，用户节省电能及电费具有重要意义，同时也是推动需求侧精细化管理、节能减排的关键技术之一。

2、nilm技术自提出以来便受到了广泛关注，目前已有多种方法被应用于非侵入式负荷分解中，其中近年来热门的深度学习理论，已经成为了实现nilm技术的重要工具。其中，卷积神经网络能够有效挖掘多种源、荷设备的内部特征，且基于卷积神经网络提出的seq2point模型将nilm问题转化为序列到点模型的训练过程，依据不断滑动的总功率窗口序列得到单个本文档来自技高网...

【技术保护点】

1.一种基于知识蒸馏算法的非侵入式负荷监测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于知识蒸馏算法的非侵入式负荷监测方法，其特征在于：所述步骤1的具体方法为：

3.根据权利要求1所述的一种基于知识蒸馏算法的非侵入式负荷监测方法，其特征在于：所述步骤2的仿真数据集包括降噪后的有标签总功率数据，获取数据集中的训练、验证和测试数据，对所用到的序列数据进行归一化处理。

4.根据权利要求3所述的一种基于知识蒸馏算法的非侵入式负荷监测方法，其特征在于：所述步骤2的对所用到的序列数据按照下式进行归一化处理的计算公式为：>

5.根据权利...

【技术特征摘要】

1.一种基于知识蒸馏算法的非侵入式负荷监测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于知识蒸馏算法的非侵入式负荷监测方法，其特征在于：所述步骤1的具体方法为：

3.根据权利要求1所述的一种基于知识蒸馏算法的非侵入式负荷监测方法，其特征在于：所述步骤2的仿真数据集包括降噪后的有标签总功率数据，获取数据集中的训练、验证和测试数据，对所用到的序列数据进行归一化处理。

4.根据权利要求3所述的一种基于知识蒸馏算法的非侵入式负荷监测方法，其特征在于：所述步骤2的对所用到的序列数据按照下式进行归一化处理的计算公式为：

5.根据权利要求1所述的一种基于知识蒸馏算法的非侵入式负荷监测方法，其特征在于：所述步骤3的基于降噪lstm自编码器构建教师神经网络结构的具体方法为：

6.根据权利要求1所述的一种基于知识蒸馏算法的非侵入式负荷监测方法，其特征在于：所述步骤3的教师神经网络结构是由编码器结构和解码器结构组成，首先基于一两层标准卷积网络结构和两一层下采样结构提取部分卷积特征，然后输入lstm网络结构和一层下采样结构得到时序特征，最后将下采样时序特征输入至一层标准卷积网络结构和一层下采样结构得到编码器网络结构，然后对编码器输出的隐含特征进行两一层上采样和...

【专利技术属性】
技术研发人员：杨国朝，赵雅慧，李凯，赵学明，贾明辉，朱昊，张革，代志称，张志杰，王宏伟，张军，刘婧妍，代岩，王晶，王博，尚博卿，赵晨阳，米东风，田晓维，辛喆，禚程程，
申请(专利权)人：国网天津市电力公司，
类型：发明
国别省市：