异构多专家负荷分解网络

低频数据稳拆负荷

采用五种异构专家网络并行捕获局部与全局时序特征，通过动态多目标优化平衡状态检测与功率估计任务，在15分钟级稀疏采样下仍能可靠分解电器用电。

Liang, Zipeng · Chung, C. Y. · Yang, Haosen · Jian, Liang · 张文杰 · Dong, Hanjiang · 朱继忠

IEEE Transactions on Smart Grid 2025

技术优势

能拆多种电器

五种不同结构的神经网络专家分别提取局部和全局时序特征，适应不同电器功率模式的多样性。

15分钟采样也能用

在15分钟间隔的真实世界数据集上验证了对数据稀疏性的鲁棒性，低频场景下仍保持性能。

跨家庭迁移性好

在UK-DALE和REDD公共数据集上进行跨家庭测试，模型在未见家庭上表现良好。

应用场景

• 家庭能源管理：为家庭提供电器级用电明细，辅助节能决策。
• 智能电表数据分析：从总表数据中分解各电器用电，无需额外传感器。
• 需求响应：识别电器运行状态，支撑精细化需求响应策略。
• 非侵入式监测：利用现有电表数据实现非侵入式监测，降低部署成本。
• 智能家居：为智能家居系统提供设备级用电感知，优化控制。