基于TCN-CBAM-LSTM的工业用户非侵入式负荷分解方法

来源：电工电能新技术杂志2025年第9期北京时间：

作者：李博心， 徐永海， 李明， 夏勇， 袁金斗， 潘明明

单位：1. 华北电力大学电气与电子工程学院， 北京 102206；
2. 国家电网有限公司， 北京 100031；
3. 中国电力科学研究院有限公司， 北京 100192

摘要：目前非侵入式负荷分解研究主要针对居民负荷，对工业负荷研究较少，且未考虑负荷运行有功功率的时序特征，为此本文提出了基于时间卷积神经网络(TCN)-卷积块注意力模型(CBAM)-长短时记忆神经网络(LSTM)相结合的工业用户非侵入式负荷分解算法。首先构建TCN-CBAM模块，该模块利用TCN膨胀因果卷积扩大卷积核感受野并结合CBAM的空间和通道注意力机制实现特征的有效提取，之后通过2个TCN-CBAM模块从用户总进线有功功率中提取设备运行特征，最后利用LSTM学习训练运行特征与各设备运行有功功率的关系，实现负荷分解。通过某炼钢厂和某纺织厂的实际运行数据及HIPE数据集算例分析，相比于CNN、LSTM和TCN等算法，本文模型的分解准确率更高。

关键词：工业负荷； 非侵入式负荷分解； 时间卷积神经网络； 卷积块注意力模型； 长短时记忆神经网络

基金资助：国家电网有限公司总部科技项目(5108-202218280A-2-O-XG)