一种基于传递迁移学习的非侵入式负荷识别方法

本发明公开了一种基于传递迁移学习的非侵入式负荷识别方法。为更好挖掘负荷功率的时序信息，提高阻性负荷的差异，选取融合V‑I轨迹和格拉姆矩阵的图像作为负荷特征。由于ImageNet‑1K的图像标注质量高且覆盖类别广，故将其作为源域。分别选取老小区和新建小区的负荷为中间域和目标域。首先利用源域对ResNet50进行预训练，并通过少量中间域数据微调预训练模型的卷积层权重。将所得权重赋给目标域U‑Net网络中由ResNet50组成的编码器部分，再利用少量目标域数据训练U‑Net的所有权重。训练好的网络即可进行负荷识别。该方法解决了迁移学习中源域和目标域差异过大和新建小区负荷样本少导致识别精度不高的问题。