摘要
本发明公开了一种基于TransUNet的非侵入式负荷监测方法及系统,包括:获取历史总电力负荷和单个设备的电力消耗数据;利用非侵入式负荷监测模型从历史总电力负荷和单个设备的电力消耗数据中学习,识别不同设备使用时的特征;根据训练好的非侵入式负荷监测模型,对采集的实时总电力负载数据进行分析,输出对非侵入式负荷的识别结果。显著提高了特征提取能力,从而提升了对功率变化和时间特征的发现能力。同时,提出了一种序列到子序列的方法,以减少计算复杂度,提高了模型的计算效率和推理速度。
技术关键词
负荷监测方法
非侵入式负荷监测
电力
负荷监测系统
矩阵
数据
残差网络
局部特征提取
特征提取能力
注意力
平方根
负载模式
多层感知器
保留特征
深度学习模型
多尺度特征
序列
补丁
时间同步
系统为您推荐了相关专利信息
分布式新能源系统
电力调度方法
数据验证
新能源出力预测
策略
转矩波动抑制方法
电流环控制器
电机
转矩波动补偿
学习观测器
开集识别方法
数据
协方差矩阵
训练神经网络
短时傅里叶变换
低秩矩阵重建
矩阵低秩分解
元素
低秩分解方法
深度学习模型