面向多状态电器的端到端负荷分解方法

本发明提供了面向多状态电器的端到端负荷分解方法，涉及负荷分解技术领域，本发明将总聚合功率序列通过时频混合和随机方式进行数据增强，进而通过编码器和对比学习框架模型，得到的第一特征，将第一特征和训练集中总聚合功率序列输入解码器中，得到目标电器的预测功率，同时在对比学习框架模型中构建时间级的硬负样本特征和实例级的硬负样本特征，基于上述两个硬负样本特征，对编码器、解码器和对比学习框架模型的参数进行更新，由此，通过硬负样本特征的构造与编码器膨胀卷积神经网络，可以大幅降低模型对标注样本数量的依赖，有效缓解数据稀缺问题；同时显著提升特征提取的质量与特异性，使模型能够捕捉更精细的语义信息与时序依赖关系。