基于深度学习优化的非侵入式负荷监控算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.3 论文组织 | 第14-16页 |
| 2 相关技术研究 | 第16-31页 |
| 2.1 NILM关键技术 | 第16-25页 |
| 2.2 深度神经网络的相关技术 | 第25-30页 |
| 2.3 本章小结 | 第30-31页 |
| 3 基于深度神经网络的NILM算法的优化研究 | 第31-41页 |
| 3.1 方案需求分析 | 第31-36页 |
| 3.2 基于深度神经网络的NILM优化框架 | 第36-39页 |
| 3.3 本章小结 | 第39-41页 |
| 4 基于深度神经网络的NILM算法的优化方案实现 | 第41-49页 |
| 4.1 数据获取 | 第41页 |
| 4.2 训练的数据 | 第41-44页 |
| 4.3 深度神经网络的实现 | 第44-46页 |
| 4.4 负荷识别 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 实验与测试结果分析 | 第49-60页 |
| 5.1 实验平台的搭建和配置 | 第49-50页 |
| 5.2 实验结果及分析 | 第50-58页 |
| 5.3 本章小结 | 第58-60页 |
| 6 全文总结与展望 | 第60-62页 |
| 6.1 全文总结 | 第60-61页 |
| 6.2 展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |