基于Attention和残差网络的非侵入式负荷监测

作     者：何健明 李梦诗 张禄亮 季天瑶 

作者机构：华南理工大学 

出 版 物：《电测与仪表》 (Electrical Measurement & Instrumentation)

年 卷 期：2021年

学科分类：0808[工学-电气工程] 080802[工学-电力系统及其自动化] 08[工学] 

基　　金：国家自然科学基金项目资助（52077081） 广州市基础与应用基础研究项目(202102020688) 

主　　题：非侵入式负荷监测 深度学习 BiGRU 残差网络 注意力机制 

摘      要：非侵入式负荷监测（Non-Intrusive Load Monitoring， NILM）可以从家庭电能表的总功率读数，估算出各用电器的功率。由于对于同一类用电器，其状态种类、各状态持续时长、各状态的功率波形都不同，这使得基于特征工程和聚类的模型的泛化能力不强；回归模型的分解功率难以迅速跟踪真实功率。针对这些问题，文中将回归问题转化为在序列每个时刻的多分类问题，并提出基于Attention和残差网络的非侵入式负荷监测模型。该模型基于具有编码器和解码器的seq2seq框架，首先通过嵌入矩阵将高维稀疏one-hot向量映射为低维稠密向量；在编码部分，通过双向GRU从前后两个方向提取序列信息，引入Attention机制计算序列中当前时刻最重要的信息，引入残差连接学习残差部分输入输出之间的差异；在解码部分，用回归层组合BiGRU解码结果，取经过softmax函数处理的最大概率功率类别作为结果。该模型在选取REFIT数据集中表现良好，其中测试集与训练集完全独立，表明训练好的模型可以直接应用在新的住宅用户中。