面向边缘计算的轻量级非侵入式负荷分解模型研究.pdfVIP

第62卷第5期电测与仪表Vol.62No.5

2025年5月15日ElectricalMeasurementInstrumentationMay.15,2025

面向边缘计算的轻量级非侵入式负荷分解模型研究

叶灿桑，骆德汉，何家峰

（广东工业大学信息工程学院，广州510006)

摘要：针对目前基于深度学习的非侵人式负荷分解模型难以在计算资源有限的边缘端部署的问题，文中提

出一种基于编解码器结构的轻量级非侵入式负荷分解模型。该模型通过引入注意力机制,分别计算空间注

意力和改进后的通道注意力，提高负荷分解的准确性。另外，文中对不同解码器的设计进行研究，利用深度

可分离卷积改进上采样层中的残差块，减少卷积层中的卷积核个数，使得模型在保证良好的负荷分解性能

的同时,拥有更少的参数量和计算量。文中利用公开数据集UK-DALE进行测试,验证所提模型的负荷分解

性能和在边缘端部署的可行性。

关键词：非侵人式负荷分解；注意力机制；编解码器；边缘计算

D0I:10.19753/j.issn1001-1390.2025.05.017

中图分类号：TM714文献标识码：A

Researchonlightweightnon-intrusiveloaddisaggregation

modelforedgecomputing

YECanshen,LUODehan,HEJiafeng

(SchoolofInformationEngineering,GuangdongUniversityofTechnology,Guangzhou510006,China)

Abstract:Aimingattheproblemthatthecurrentnon-intrusiveloaddisaggregationmodelbasedondeeplearningis

difficulttodeployattheedgewithlimitedcomputingresources,thispaperproposesalightweightnon-intrusiveload

disaggregationmodelbasedontheencoder-decoderstructure.Themodelimprovestheaccuracyofloaddisaggrega-

tionbyintroducingattentionmechanismtocalculatespatialattentionandtheimprovedchannelattentionseparately.

Inaddition,thedesignofdifferentdecodersisinvestigatedinthispaper,andthedepthwiseseparableconvolution

isusedtoimprovetheresidualblockintheupsamplinglayerandreducethenumberofkernelsintheconvolution

layer,sothatthemodelhasfewerparametersandrequireslesscomputationwhileensuringgoodloaddisaggregation

performance.TestsareconductedonthepublicUK-DALEdatasettoverifytheloaddisaggregationperformanceof

theproposedmodelandthefeasibilityofedgedeployment.

Keywords:non-intrusiveloaddisaggregati