基于KM-LSTM-AE方法的非侵入式工业负荷辨识

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

［摘 要］ 针对非侵入式负荷监测（NILM）具有静态建模的局限性和辨识精度低等问题，构建了长短时记忆网络（LSTM）自动编码器，并搭载K-means聚类进行数据清洗，提出了一种KM-LSTM-AE方法，针对NILM在工业领域的空白，选用某工厂的真实能耗数据作为KM-LSTM-AE的测试数据集，实验结果表明KM-LSTM-AE方法的辨识精确率较高，且耗时较短。（剩余10961字）

试读结束

目录
monitor