一種基于度量學習的自適應非侵入式負荷識別方法

【摘要】：現有非侵入式負荷識別技術大多基于最優化和模式識別算法，兩種算法在模型泛化能力和未知負荷識別上均存在一定缺陷。針對這一問題，文中提出一種基于度量學習的非侵入式負荷識別模型，通過卷積神經網絡將負荷電流特性映射到度量空間，在網絡訓練時使用三元組損失實現特征的集聚，對度量空間特征進行相似度判別實現負荷辨識。該方法可實現對未知負荷的有效識別，并具有較強的泛化能力；另一方面，度量學習作為小樣本學習的方法之一，能夠減輕對訓練樣本的依賴，具有較高的實用性。