文章摘要
潘国兵,王振涛,欧阳静,王杰,高亚栋,尹康.基于DTL与DC-ResNet的非侵入式多标签负荷识别方法[J].高技术通讯(中文),2021,31(7):781~789
基于DTL与DC-ResNet的非侵入式多标签负荷识别方法
  
DOI:10.3772/j.issn.1002-0470.2021.07.012
中文关键词: 双通道深度残差神经网络(DC ResNet); 深度转换学习(DTL); 非侵入式负荷识别; 多标签分类
英文关键词: 
基金项目:
作者单位
潘国兵  
王振涛  
欧阳静  
王杰  
高亚栋  
尹康  
摘要点击次数: 935
全文下载次数: 614
中文摘要:
      针对目前负荷识别中存在的人工挖掘特征困难的问题,同时为了进一步提升识别精度,提出了一种基于深度转换学习(DTL)与双通道深度残差神经网络(DC-ResNet)的非侵入式多标签负荷识别方法。首先运用改进的DTL从原始的负荷数据中自动提取有效的负荷特征,可以达到降维的效果。然后将负荷数据按时间滑窗生成特征图作为DC-ResNet的输入,利用卷积核自动提取时间尺度上的有效特征。DC-ResNet的一条通道用于提取大类特征预测负荷的开关状态,另一条通道用于提取小类特征预测负荷的运行模式,综合两条通道的输出可以得到最后的多标签分类结果。实验结果表明,经DTL提取后的负荷数据更易被识别,DC-ResNet在总体和单一设备的识别上都具有更好的效果,而且模型所需的训练时间较短。
英文摘要:
      
查看全文   查看/发表评论  下载PDF阅读器
关闭

分享按钮