基于双卷积神经网络非侵入式的可再生能源负荷预测系统和方法

本发明公开了基于双卷积神经网络非侵入式的可再生能源负荷预测系统和方法，通过滑动窗事件检测算法确定用电设备状态变化事件，根据用电设备状态变化事件计算出事件前后的功率差，以事件前后的功率差作为负荷特征；利用状态卷积神经网络提取负荷特征中的时序特征和空间特征，根据时序特征和空间特征生成预测的功率状态分布，并将预测的功率状态分布输入至功率卷积神经网络中，计算出预测的功率状态分布下的功耗；将预测的功率状态分布和功耗转换为各用电设备在各采样时间点的工作状态，并将该工作状态生成监测报告。本发明无需直接接入各用电设备，即可实现对各用电设备工作状态的监测与分析，同时能够提高负荷监测精度并降低设备投入成本。