[发明专利]一种基于双向扩张卷积的负荷分解方法

权利要求书

1.一种基于双向扩张卷积的负荷分解方法，其特征在于，是在时态卷积网络的基础上，采用双向扩张卷积替换因果扩张卷积来构建残差模块，从而扩大网络的感受野、提高模型的性能，同时引入两种形式的残差连接，来提高最终预测结果的准确率；并引入seq2point方法对家庭一天的用电测量数据进行负荷特征提取，得到不同电器的负荷分解结果，同时根据负荷分解结果判断电器的运行状态。

2.根据权利要求1所述的基于双向扩张卷积的负荷分解方法，其特征在于，具体步骤为：

步骤1，确定输入数据；

首先确定电器指纹分为两个方面：

①高频采样：主要表现为电器的信号波形，包括电器稳态和瞬态之间的状态切换，以及电器持续负载状态；

②低频采样：主要表现为均方根值(RMS)，即电器运行时的电流、电压以及功率等相关数据；

只针对低频采样下的数据进行处理，网络的输入数据为电器运行时电表记录的总功率，采样频率为1HZ；

步骤2，数据预处理，具体流程为：

步骤2.1：对于家庭电表用电数据的采集过程中，由于外界因素影响，导致采集的数据出现部分缺失的情形，采用后向填充的手段来补齐缺失的数据，即将缺失的值替换为连续数据的下一有效值；

步骤2.2：针对所要进行负荷分解的电器设置相应的参数标准，包括功率阈值(Power_threshold)、功率平均值(Mean_power)以及功率标准差(Power_std)；功率平均值和标准差用于归一化数据，功率阈值用于判断电器的开启关闭状态，而不是告知这些电器功率的平均值、标准差和阈值的真实值；这些值的设定标准来自于常见电器的功率参数；无论是输入的滑动窗口值还是输出的目标值，都通过功率平均值和功率标准差进行归一化处理，即：

input＝(input–Mean_power)/Power_std，

target＝target*Power_std+Mean_power；

步骤2.3：针对连续的功率数据，采取滑动窗口的形式来获取网络每次的输入数据，滑动窗口设置为固定值599，即将全部的功率数据从299秒开始，直到全部数据结束前299处，以599秒长为一个窗口数据进行划分，滑动步长为1秒；因此若有时间长为T秒的功率数据，划分出来的窗口数据个数为T-598；

步骤3，构建残差模块；

残差模块主要由两部分组成；一是主要组成部分，从数据传递方向看分别为双向扩张卷积，批标准化、ReLU、Dropout以及重复的双向扩张卷积，批标准化、ReLU、Dropout；二是残差连接部分，有1x1卷积，1x1卷积的作用是为了让网络根据需要能够更灵活的控制数据的深度；

残差模块中的双向扩张卷积替换为时态卷积网络中的因果扩张卷积；双向扩张卷积对当前功率数据前后的数据都进行利用；在相同的堆叠层数下，双向扩张卷积滤波器长度增加一，相对于因果扩张卷积感受野扩大两倍，以实现更有效地增大感受野，从而提升网络的性能；

步骤4，确定网络整体结构；

网络的整体结构由以下三部分组成：

卷积层：网络输入端的卷积层由一维卷积构成，用于对输入的窗口数据进行维度调整；

堆叠的残差模块：共包含8个残差模块堆叠；每一个残差模块都有相同的过滤器长度，自下至上扩张因子从1以两倍递增至128；除最后一个残差模块外，每个残差模块的输出分为两部分，一部分输出到下一残差模块，另一部分通过残差连接输出到网络最后的全连接层；

全连接层：该层通过残差连接接收来自8个残差模块的输出，将8个输入进行相加，并最终输出一个值，作为输入窗口的中点预测值；

步骤5，确定评估指标，训练网络模型；具体流程为：

步骤5.1：由于上述网络是一个回归网络，通过生成相关数据实现负荷分解，因此网络训练过程中评估的标准是生成的数据与真实的数据之间的误差；采用两种评估指标来进行衡量，分别为平均绝对误差MAE和信号聚合误差SAE，两个数值越小表示模型分解效果越好，具体表示如下：

其中，和x_t分别表示某一电器在时间t的预测负载值和真实负载值，T是时间点的数量，和r分别表示一个电器预测的功率之和、真实的功率之和；

步骤5.2：根据得到的分解的电器功率数据，将功率数据与预设的功率阈值进行比较，如果电器的分解值高于相应的阈值，则处于开启状态，反之处于关闭状态；因此可以实现非侵入式负荷识别的目标；为衡量对电器开启/关闭状态的判断准确性，采用三项指标来进行评估，分别为精准率(P)、召回率(R)以及F1分数，三者的值越大表示分类性能更好；设TP为预测正确的正样本数，FP为预测为正的负样本数，FN为预测为负的正样本数；则：

步骤6，得到电器负荷分解结果，判断电器运行状态信息；

将对窗口数据输入步骤5中训练好的网络，得到预测的窗口中点预测值，将其与对应电器的功率标准差相乘并加上功率平均值，得到分解的电器功率数据，此操作如步骤2数据预处理中的归一化操作所述；根据得到的电器功率数据与预设的功率阈值进行比较，如果电器的分解值高于相应的阈值，则处于开启状态，反之处于关闭状态，从而实现对电器开启、关闭状态的判断，得到电器运行状态的相关信息。