基于时序生成对抗网络的居民用户非侵入式负荷分解

现有的非侵入式负荷分解算法往往需要大量电器设备级的负荷数据才能保证分解精度，但由于用户对隐私性的考虑以及安装成本过高等问题,很难获取这些数据。因此，构建一种能深度挖掘电力负荷数据时序特性和电器相关性的时序生成对抗网络。利用降维网络对所有电器有功功率序列组成的高维向量进行降维以降低计算的复杂度，通过复原网络将结果还原为高维向量。基于电器运行状态和深度学习的非侵入式分解方法，运用卷积神经网络-双向门控循环单元构建状态复杂电器的负荷分解回归模型，对状态简单电器利用深度神经网络构建负荷识别分类模型。通过对比其他数据生成方法，以及改变典型公开数据集中生成数据比例所得的负荷分解结果验证了所提方法的有效性。