原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了基于全卷积神经网络的非侵入式负荷识别方法，包括：S1：采集家庭总负荷和各单负荷的有功功率时间序列数据；S2：基于单负荷的有功功率时间序列数据提取用电特征信息；S3：以家庭总负荷有功功率时间序列数据为输入样本，以单负荷用电特征信息为输出样本，对全卷积神经网络模型进行训练，得该负荷的识别模型；S4：将家庭总负荷有功功率输入识别模型，即输出识别模型对应负荷的用电特征，从而获知其运行状态。本发明无需利用事件监测机制来对有功功率负荷曲线进行变点检测，而是将负荷的用电特征转换为由0和1组成的二进
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 112434799 B
(45)授权公告日 2022.07.05
(21)申请号 202011507892.6 G06V 10/774 (2022.01)
文档评论（0）