基于自注意力的非侵入式家庭电力负荷分解模型

非侵入式负荷分解可将家庭总电表监测的数据分解为单台用电器的状态、能耗等信息。针对目前神经网络模型对长激活且周期运行的电器分解效果较差的缺点,本研究提出1种基于自注意力的非侵入式负荷分解模型(Attention-BO模型)。Attention-BO模型以稳态有功功率变化为负荷特征,利用卷积神经网络进行特征提取,通过自注意力增强对输入序列中远距离相关性的建模,获得与各点最相关的特征。之后,使用贝叶斯优化对模型中的超参数进行调节以提高精度。最后,在UK-dale数据集上对模型进行训练和测试,实验结果表明模型具有较小的误差,并且在新环境下的泛化性能较好。