基于矩陣特征重構(gòu)的深度學(xué)習(xí)負荷監(jiān)測方法

打開文本圖片集

摘  要：為解決負荷特征學(xué)習(xí)和訓(xùn)練模型難以求解、識別準確率不高的問題，文章提出了一種基于奇異值特征矩陣重構(gòu)的深度學(xué)習(xí)非侵入式負荷監(jiān)測方法，首先利用奇異值分解算法對采集到的混合信號進行負荷分離，并設(shè)定奇異值的門限，保留通過門限的左右奇異值矩陣，然后獲取處理后的左右奇異值矩陣的克羅內(nèi)克積，實現(xiàn)信號的特征矩陣重構(gòu);將大量典型家電的運行電流數(shù)據(jù)轉(zhuǎn)換成重構(gòu)特征矩陣的形式，并使用卷積神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，從重構(gòu)的特征矩陣中提取獨立負荷特征，進而建立能夠處理重構(gòu)特征矩陣數(shù)據(jù)的卷積神經(jīng)網(wǎng)絡(luò)模型，并基于該模型提取數(shù)據(jù)特征，從而達到辨識負荷特征的目的。（剩余5567字）