摘要
本发明提供了面向新型电力系统的负荷监测方法,属于负荷监测领域,包括将总电力负荷数据原始值和辅助特征输入预先训练的时序神经网络得到总电力负荷数据预测值,基于总电力负荷数据预测值对电力负荷数据原始值进行预处理,得到预处理后的值,预先训练的时序神经网络包括MLP层和异常门控机制层,异常门控机制层用于决定当前时刻信任预测值或原始值;将预处理后的值输入预先训练的特征提取网络,得到特征向量预测值,预先训练的特征提取网络包括依次连接的双层深度时间卷积层、归一化注意力机制层、激活层和全局平均池化层;将特征向量预测值输入全连接层,得到每个子设备的负荷;还提供了负荷监测系统;实现高精度、强鲁棒性和实时性的负荷监测。
技术关键词
负荷监测方法
时序神经网络
新型电力系统
时间卷积网络
特征提取网络
注意力机制
状态更新
负荷监测系统
重建误差
矩阵
动态
数据真实值
多功能电表
网关平台
参数
强鲁棒性
系统为您推荐了相关专利信息
病虫害监测
管理系统
融合特征
时序特征
数据特征提取
区域卷积神经网络
双分支结构
可见光图像
上采样
特征金字塔
匹配定位方法
稀疏特征
像素点
特征点集合
跨模态
特征提取网络
融合特征
点云分类
多尺度特征提取
多模态