来源：期刊VIP网 时间：
作者：刘辉;高放;赵国;
单位：湖北工业大学新能源及电网装备安全监测湖北省工程研究中心;
摘要：非侵入式用电设备检测能够以低成本的方式获取详细的用户用电数据，有助于提高居民用户用电意识，减少居民用电浪费现象，以达到节能减排的目的。针对现有的基于低频数据的单任务非侵入式用电设备检测方法存在的精度低和特征淹没等问题，提出了一种基于多门控混合专家网络（multi-gate mixture-of-experts network,MMoE）和双向长短期记忆网络（bidirectional long short-term memory network,BiLSTM）相结合的多任务非侵入式用电设备检测模型。首先，利用MMoE实现底层参数的软共享，学习不同电器之间的耦合特征，充分挖掘用电设备负荷特征；然后，利用BiLSTM网络作为子任务层，在一个模型中同时输出各电器的功率序列。在UK-DALE(UK recording domestic appliance-level electricity)公开数据集上的实验结果表明，该方法在各电器的检测指标上均优于现有的几种单任务方法，验证了该方法具有良好的用电设备检测性能。
关键词：非侵入式;;深度学习;;多门控混合专家网络;;双向长短期记忆网络
基金资助：国家自然科学基金项目(编号：61903129)
