摘要：非侵入式負(fù)荷分解是用戶側(cè)精細(xì)化能量管理的關(guān)鍵技術(shù),為了提高算法分解準(zhǔn)確率與模型訓(xùn)練速度,提出了一種基于雙向GRNN與時間序列翻譯模型的非侵入式負(fù)荷分解算法。使用局部注意力機(jī)制對中間向量的傳遞過程進(jìn)行了優(yōu)化,在增加模型注意力的同時降低了算法的運算量。使用集束搜索算法使解碼環(huán)節(jié)得到了更多的功率概率曲線,實現(xiàn)了分解準(zhǔn)確率的提高。使用人工合成訓(xùn)練數(shù)據(jù)方法克服了數(shù)據(jù)集不平衡問題,提高了算法的穩(wěn)定性。最后在REDD數(shù)據(jù)集上對文章所提算法進(jìn)行了驗證,與其他先進(jìn)算法相比,所提出算法的準(zhǔn)確率具有較大幅度提高,并且與基于LSTM的算法相比,本算法的模型訓(xùn)練速度提高了40%以上。