基于字典学习和神经网络NILM方法

本发明公开了一种基于字典学习和神经网络的NILM方法，步骤如下：首先构建字典学习和稀疏表示方法。接着构建神经网络模型，该模型包含一维感受野模块、空间特征金字塔模块（SAMFPN）和分类模块。一维感受野模块借助多尺度空洞卷积与残差连接，空间特征金字塔模块通过自上而下及横向连接结构，实现多尺度特征高效融合，各尺度特征经空间注意力拼接，自适应优化特征图空间维度。最后进行模型训练，并用训练好的模型开展非侵入式负荷监测。本发明结合字典学习与神经网络，通过独特模块设计实现多尺度特征融合与优化，有效提升非侵入式负荷监测的准确性与效率，为电力负荷监测领域提供创新且实用的技术方案。