电力工业论文_基于CNN-BiLSTM与DTW的非侵入式_中国住宅设施杂志社投稿

一、本刊要求作者有严谨的学风和朴实的文风，提倡互相尊重和自由讨论。凡采用他人学说，必须加注说明。二、不要超过10000字为宜，精粹的短篇，尤为欢迎。三、请作者将稿件（用WORD格式）发送到下面给出的征文信箱中。四、凡来稿请作者自留底稿，恕不退稿。五、为规范排版，请作者在上传修改稿时严格按以下要求： 1．论文要求有题名、摘要、关键词、作者姓名、作者工作单位（名称，省市邮编）等内容一份。 2．基金项目和作者简介按下列格式：基金项目：项目名称（编号）作者简介：姓名（出生年－），性别，民族（汉族可省略），籍贯，职称，学位，研究方向。 3．文章一般有引言部分和正文部分，正文部分用阿拉伯数字分级编号法，一般用两级。插图下方应注明图序和图名。表格应采用三线表，表格上方应注明表序和表名。 4．参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定，采用顺序编码制。

电力工业论文_基于CNN-BiLSTM与DTW的非侵入式

作者:

关键词:

摘要：

文章摘要:为减少居民生活用电浪费现象，非侵入式负荷监测技术显示出其重要性。基于事件检测的情况下，本文提出一种基于CNN-BiLSTM与DTW的非侵入式住宅负荷监测方法。首先通过概率质量函数计量负荷的运行状态信息，提取出稳态运行时的V-I特性曲线图；然后将图片归一化为统一格式的灰度图，利用卷积神经网络提取出特征向量作为负荷印记；将其输入至双向长短时记忆神经网络中进行辨识，并利用动态时间规划算法优化辨识结果，实现高精度的负荷辨识。最后，利用PLAID公开数据集对于所提算法进行仿真验证，实验证明所选负荷印记具有良好的辨识性能，辨识算法相比对比算法具有更高的信度与准确率。

文章关键词:

项目基金: