基于迁移学习策略的非侵入式负荷监测方法研究

现有的非侵入式负荷监测算法在同一数据集中功率分解准确率上有了很大的提高,但模型泛化性差且跨数据集分解负荷误差较大。为此,探究负荷监测模型是否具有可迁移性,并研究一种基于迁移学习策略的负荷监测模型。该模型固定部分卷积网络层,实现负荷监测模型的微调迁移学习,通过试验验证固定层数对预测结果的影响,以及模型对不同电器的预测效果。相比传统的直接迁移模型,该模型有效降低各项设备的负荷分解误差,并且降低了模型对负荷训练样本数量的要求。