【智能化电力监控】基于多尺度残差神经网络的序列到序列负荷分解 【论文标题】Sequence-to-Sequence Load Disaggregation Using Multi-Scale Residual Neural Network 【作者团队】Gan Zhou, Zhi Li, Meng Fu, Yanjun Feng, Xingyao Wang, Chengwei Huang 【发表时间】2020/09/25 【论文链接】https://arxiv.org/pdf/2009.12355.pdf

【推荐理由】 随着家庭用电需求的日益复杂，如何通过较小的测量成本和更快的测量方法来部署负载监测是一个迫切需要解决的问题。非侵入性负荷监测NILM作为一种经济有效的电力监控和向用户提供反馈的方法受到越来越多的关注。针对现有的NILM方法的缺陷，作者提出了一种新的用于负荷盲分解的神经网络模型：基于扩张卷积的多尺度深残差神经网络。当网络层数增加时，剩余块在避免梯度消失或爆炸问题方面具有相当大的优势。本文还提出了扩张卷积来减少过多的模型参数，获得更大的感受野，并提出多尺度结构来更有针对性地学习混合数据特征。作者在真实的房屋公共数据集UK-DALE上用三个现有的神经网络对算法进行了测试、比较和分析，结果表明新模型在F1评分、MAE和模型复杂度等方面都有所改善。

内容中包含的图片若涉及版权问题，请及时与我们联系删除