摘要
本发明公开了一种基于xLSTM‑Transformer模型的非侵入式负荷分解方法及系统,应用于非侵入式负荷分解技术领域。通过结合sLSTM(标量LSTM)和mLSTM(矩阵LSTM)构建xLSTM,增强模型对时间序列数据的处理能力;在输入层之后加入了因果卷积模块,其固定方向的滑动窗口在保证因果性的同时,能够更准确提取电器的局部负荷模式,避免未来信息泄露;引入Transformer架构中的自注意力机制建立xLSTM‑Transformer组合模型,采用历史数据对模型进行训练,最后,使用该模型进行电器负荷分解。本发明能够有效处理多尺度的电器负荷模式,解决传统时间序列模型面临的长期依赖问题。
技术关键词
负荷分解方法
矩阵
历史负荷数据
负荷分解技术
卷积模块
多头注意力机制
时间序列模型
定义
记忆机制
特征提取器
家庭用电
数据采集模块
记忆单元
系统为您推荐了相关专利信息
预训练模型
线性变换矩阵
序列
编码模块
识别方法
特高频传感器
现场测试数据
电流
三相三绕组变压器
仿真信号
预处理图像数据
缺陷智能
灰度共生矩阵
特征值
图像采集模块