| 潘国兵,王振涛,欧阳静,王杰,高亚栋,尹康.基于DTL与DC-ResNet的非侵入式多标签负荷识别方法[J].高技术通讯(中文),2021,31(7):781~789 |
| 基于DTL与DC-ResNet的非侵入式多标签负荷识别方法 |
|
| |
| DOI：10.3772/j.issn.1002-0470.2021.07.012 |
| 中文关键词: 双通道深度残差神经网络（DC ResNet）； 深度转换学习（DTL）； 非侵入式负荷识别； 多标签分类 |
| 英文关键词: |
| 基金项目: |
| 作者 | 单位 | | 潘国兵 | | | 王振涛 | | | 欧阳静 | | | 王杰 | | | 高亚栋 | | | 尹康 | |
|
| 摘要点击次数: 1713 |
| 全文下载次数: 1122 |
| 中文摘要: |
| 针对目前负荷识别中存在的人工挖掘特征困难的问题，同时为了进一步提升识别精度，提出了一种基于深度转换学习（DTL）与双通道深度残差神经网络（DC-ResNet）的非侵入式多标签负荷识别方法。首先运用改进的DTL从原始的负荷数据中自动提取有效的负荷特征，可以达到降维的效果。然后将负荷数据按时间滑窗生成特征图作为DC-ResNet的输入，利用卷积核自动提取时间尺度上的有效特征。DC-ResNet的一条通道用于提取大类特征预测负荷的开关状态，另一条通道用于提取小类特征预测负荷的运行模式，综合两条通道的输出可以得到最后的多标签分类结果。实验结果表明，经DTL提取后的负荷数据更易被识别，DC-ResNet在总体和单一设备的识别上都具有更好的效果，而且模型所需的训练时间较短。 |
| 英文摘要: |
| |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
