ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ）２０２３年第３７卷第４期Ｖｏｌ．３７Ｎｏ．４２０２３收稿日期：２０２２－０５－１０基金项目：重庆市人工智能技术创新重大主题专项重点研发项目“基于全生命周期数据的超高水头冲击式发电机组智能预警与诊断系统”（ｃｓｔｃ２０１７ｒｇｚｎ－ｚｄｙｆｘ００２６）作者简介：刘政，男，副教授，主要从事嵌入式、电力系统自动化研究，Ｅ-ｍａｉｌ：ｌｉｕｚｈｅｎｇ＠ｃｑｕｔ．ｅｄｕ．ｃｎ；通信作者刘鑫，男，硕士研究生，主要从事非侵入式负荷监测研究，Ｅ-ｍａｉｌ：１３０４７２４３２７＠ｑｑ．ｃｏｍ。本文引用格式：刘政，刘鑫，刘伟．面向家庭用电负荷分解的时间卷积注意力网络［Ｊ］．重庆理工大学学报（自然科学），２０２３，３７（４）：２０９－２１６．Ｃｉｔａｔｉｏｎｆｏｒｍａｔ：ＬＩＵＺｈｅｎｇ，ＬＩＵＸｉｎ，ＬｉｕＷｅｉ．Ｔｅｍｐｏｒａｌｃｏｎｖｏｌｕｔｉｏｎａｌａｔｔｅｎｔｉｏｎ-ｂａｓｅｄｎｅｔｗｏｒｋｆｏｒｈｏｕｓｅｈｏｌｄｅｌｅｃｔｒｉｃｌｏａｄｄｉｓａｇｇｒｅｇａｔｉｏｎ［Ｊ］．ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅ），２０２３，３７（４）：２０９－２１６．ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７４－８４２５（ｚ）．２０２３．０４．０２４面向家庭用电负荷分解的时间卷积注意力网络刘政１，刘鑫１，刘伟２（１．重庆理工大学计算机科学与工程学院，重庆４０００５４；２．重庆理工大学电气与电子工程学院，重庆４０００５４）摘要：针对传统深度神经网络分解模型准确度不能满足非侵入式负荷监测实际需求的现状，提出了一种基于时间卷积网络和注意力机制的负荷分解网络（ＴＣＮＡ）。采用序列到点的分解方法，使用改进的时间卷积网络为基础提取负荷数据特征，增加卷积核感受野，获取更多数据特征信息。模型结合注意力模块，提取到更加丰富和有价值的特征信息，提升了训练效率。在ＵＫ-ｄａｌｅ数据集上的实验结果表明：该模型比现有的分解方法在分解性能和电器启停状态判断方面有明显提升。关键词：负荷分解；深度学习；注意力机制；时间卷积网络中图分类号：ＴＭ７１４；ＴＰ１８文献标识码：Ａ文章编号：１６７４－８４２５（２０２３）０４－０２０９－０８０引言当前，...
