本文主要研究内容
作者郭陆阳,王守相,陈海文,杨海跃,韩建振（2019）在《基于双向GRNN与时间序列翻译模型的非侵入式负荷分解算法》一文中研究指出：非侵入式负荷分解是用户侧精细化能量管理的关键技术,为了提高算法分解准确率与模型训练速度,提出了一种基于双向GRNN与时间序列翻译模型的非侵入式负荷分解算法。使用局部注意力机制对中间向量的传递过程进行了优化,在增加模型注意力的同时降低了算法的运算量。使用集束搜索算法使解码环节得到了更多的功率概率曲线,实现了分解准确率的提高。使用人工合成训练数据方法克服了数据集不平衡问题,提高了算法的稳定性。最后在REDD数据集上对文章所提算法进行了验证,与其他先进算法相比,所提出算法的准确率具有较大幅度提高,并且与基于LSTM的算法相比,本算法的模型训练速度提高了40%以上。
Abstract
fei qin ru shi fu he fen jie shi yong hu ce jing xi hua neng liang guan li de guan jian ji shu ,wei le di gao suan fa fen jie zhun que lv yu mo xing xun lian su du ,di chu le yi chong ji yu shuang xiang GRNNyu shi jian xu lie fan yi mo xing de fei qin ru shi fu he fen jie suan fa 。shi yong ju bu zhu yi li ji zhi dui zhong jian xiang liang de chuan di guo cheng jin hang le you hua ,zai zeng jia mo xing zhu yi li de tong shi jiang di le suan fa de yun suan liang 。shi yong ji shu sou suo suan fa shi jie ma huan jie de dao le geng duo de gong lv gai lv qu xian ,shi xian le fen jie zhun que lv de di gao 。shi yong ren gong ge cheng xun lian shu ju fang fa ke fu le shu ju ji bu ping heng wen ti ,di gao le suan fa de wen ding xing 。zui hou zai REDDshu ju ji shang dui wen zhang suo di suan fa jin hang le yan zheng ,yu ji ta xian jin suan fa xiang bi ,suo di chu suan fa de zhun que lv ju you jiao da fu du di gao ,bing ju yu ji yu LSTMde suan fa xiang bi ,ben suan fa de mo xing xun lian su du di gao le 40%yi shang 。
论文参考文献
论文详细介绍
论文作者分别是来自供用电的郭陆阳,王守相,陈海文,杨海跃,韩建振，发表于刊物供用电2019年10期论文，是一篇关于双向论文,循环神经网络论文,序列翻译模型论文,负荷分解论文,供用电2019年10期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自供用电2019年10期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：双向论文; 循环神经网络论文; 序列翻译模型论文; 负荷分解论文; 供用电2019年10期论文;