来源：期刊VIP网 时间：
作者：刘宇鹏1;郝芃斐1;邓林峰1,2;温和1,2
单位：1.湖南大学电气与信息工程学院;2.长沙半导体技术与应用创新研究院
摘要：针对非介入式负载监测中合成数据与真实数据的分布差异及目标域标注缺失问题，提出基于特征重构的无监督域适应方法。通过分离领域共有与特有特征缓解分布偏移，结合外部注意力机制提升泛化能力，实现合成数据向真实数据的无标注迁移。实验表明：该方法在UK-DALE数据集上使洗碗机和微波炉分解误差分别降低52.5%和88.0%；对冰箱等周期性电器的域内迁移任务中，平均绝对误差减少44.3%。模型性能受设备功耗特征及域间分布差异影响，当Jensen-Shannon散度>0.8时分解精度显著下降。该方法可为低标注场景的能耗分解提供有效解决方案。
关键词：非介入式负荷监测;负荷分解;领域适应;迁移学习;Jensen-Shannon距离
基金资助：湖南省重点研发计划资助项目(2025JK2016)
