科研之友
微信
新浪微博
Facebook
分享链接
摘要
负荷辨识技术可快速辨识电器类型，在家庭能量管理、危险用电预警、响应潜力评估等方面具有重要作用。针对现有负荷辨识方法多关注负荷长期或短期单尺度特征，导致特征表征能力不足而使模型识别精度和泛化性能受限的问题，提出一种基于多尺度特征融合的负荷辨识及其可解释交互增强方法。首先,从负荷采样数据中提取高频尺度的短期特征和中、低频尺度的长期特征，构建双塔结构的深层特征提取网络以利用网络的不同分支高效率挖掘各尺度深层特征。其次，设计自注意力与交叉注意力相结合的特征融合网络以实现负荷长、短期特征融合，提高模型的特征利用程度。然后，采用度量学习的训练方法，拉近同类型样本的特征距离，提升特征融合的效率和效果。最后，利用基于梯度的可解释分析方法量化特征的重要性，实现自适应的特征增强与结合专家交互的模型调优。实验结果说明所提模型识别精度与泛化能力均优于现有模型，且可解释分析验证了其有效性源于多尺度特征的充分利用。
- 单位
