基于迁移学习与自注意力特征融合的非侵入式负荷监测方法.pdfVIP

下载本文档

3
0
约2.71万字
约 25页
2023-09-13 发布于四川
举报
版权申诉

基于迁移学习与自注意力特征融合的非侵入式负荷监测方法.pdf

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

本发明涉及基于迁移学习与自注意力特征融合的非侵入式负荷监测方法，属于智能电网领域。该方法包括以下步骤：S1：获取基于高频特征与自注意力融合的多任务神经网络模型；S2：使用基于高频特征与自注意力融合的多任务神经网络模型在源域中进行预训练；S3：冻结模型底层参数，截断自注意力特征融合模块与模型上层；S4：重构自注意力特征融合模块与模型上层，并使用少量目标域数据进行微调；S5：解冻基于高频特征与自注意力融合的多任务神经网络模型，对基于高频特征与自注意力融合的多任务神经网络模型进行整体微调。本发明降低了

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116742795 A (43)申请公布日 2023.09.12 (21)申请号 202310533995.7 G06N 3/0464 (2023.01)