论文部分内容阅读
基于深度学习的负荷分解方法忽略了设备状态的关联性,导致应用过程中会出现功率误判现象.针对上述问题,提出一种基于时间模糊化长短时记忆(TFLSTM)的非侵入式负荷分解方法.首先,根据合适的时间区域分割数据集,利用长短时记忆(LSTM)建立时刻关联性.然后,通过编码和解码去除非目标设备信息,并根据用户在不同时间区域的用电习惯来确定模糊策略,最终完成负荷分解.基于公开数据集,将文中方法与经典方法及前沿方法进行对比,实验结果表明TFLSTM能够有效降低功率误差,功率分解准确率可提高4％～15％.