1. 毕业设计（论文）主要目标：
1.基于长短期记忆（Long-short Term Memroy network,LSTM)神经网络的数据驱动的负荷预测方法，通过LSTM有效地减小负荷预测模型需要数据量的维度大小，真正掘数据中存在的价值；2.通过非侵入式负荷监测分解（NILM）将总有功功率消耗分解为单独设备的消耗
2. 毕业设计（论文）主要内容：
1.基于LSTM网络的负荷预测模型建立；2.对总有功功率进行差分处理，将原始有功数据和差分数据同时作为网络的输入：3.采用多支路输出网络模型可以同时将有功功率值分解为多个目标设备，同时在网络中引入跨层链接，增强网络信息的传输，有助于提取时间序列的特征，有限的阻止梯度消失造成的损失。
3. 主要参考文献
[1]燕续峰,翟少鹏,王治华,王芬,何光宇.深度神经网络在非侵入式负荷分解中的应用[J].电力系统自动化,2019,43(01):126-132 167 133-135.[2]李自文,魏平,李海.非侵入式负荷分解方法综述[J].价值工程,2018,37(18):233-235.[3]陈小闽. 非侵入式负荷分解技术及应用研究[D].华南理工大学,2018.[4]付华. 非侵入式负荷分解算法的综合研究[D].北京交通大学,2018.[5]程祥,李林芝,吴浩,丁一,宋永华,孙维真.非侵入式负荷监测与分解研究综述[J].电网技术,2016,40(10):3108-3117.[6]黎鹏. 非侵入式电力负荷分解与监测[D].天津大学,2009.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
