检索结果-南通市图书馆

基于KPCA和XGBoost算法的非侵入式负荷辨识方法

在线全文

学校读者我要写书评

暂无评论

电测与仪表 2024年第5期61卷 71-77页

作者：刘岩王玉君杨晓坤李文文郭磊国网冀北电力有限公司营销服务中心(计量中心) 北京100045

为了实现非侵入式负荷监测的功能并提高负荷辨识准确率,文中提出一种基于机器学习的负荷辨识方法。在家用电器电流波形及各次谐波特征的数据中,采用核主成分分析方法(Kernel Principal Components Analysis,KPCA),解决非线性特征提取与... 详细信息

为了实现非侵入式负荷监测的功能并提高负荷辨识准确率,文中提出一种基于机器学习的负荷辨识方法。在家用电器电流波形及各次谐波特征的数据中,采用核主成分分析方法(Kernel Principal Components Analysis,KPCA),解决非线性特征提取与降维的问题,最大限度抽取特征信息。再利用一维卷积核提取时序特征并压缩后输入到XGBoost模型,得到负荷辨识结果。通过在实验室中采集数据进行算法验证,文中提出算法在各类用电器的识别中均具有较高的准确率。

关键词：非侵入式负荷辨识核主成分分析卷积 XGBoost

基于改进卷积神经网络的非侵入负荷辨识方法研究

在线全文

学校读者我要写书评

暂无评论

电测与仪表 2024年第1期61卷 125-130,156页

作者：李莉黄友金熊炜汪敏阳东升贵州电网有限责任公司电力科学研究院贵阳550002 贵州大学贵阳550025

非侵入式负荷监测作为客户侧泛在电力物联网重要技术之一,不仅有助于电力公司加强负荷管理,还可以引导用户合理安排负荷的使用,为实现以家庭电力用户为主体的需求侧响应和满足居民用户对精准精益用电服务需求提供了重要的技术支持。对... 详细信息

非侵入式负荷监测作为客户侧泛在电力物联网重要技术之一,不仅有助于电力公司加强负荷管理,还可以引导用户合理安排负荷的使用,为实现以家庭电力用户为主体的需求侧响应和满足居民用户对精准精益用电服务需求提供了重要的技术支持。对非侵入式负荷监测中低频采样信号分辨率低,负荷特征易重叠,以及卷积神经网络不能有效辨识具有相似波形特征负荷的问题,提出了融合暂态电流波形和时域特征的改进方法,将暂态电流值均方根融合到电流波形图像以提升相似波形特征负荷的辨识正确率。通过实测数据和负荷识别参考数据集(REDD)测试,验证了所提方法的可行性和有效性。

关键词：非侵入式负荷监测负荷辨识低频采样 CNN

在线全文

学校读者我要写书评

暂无评论

基于卷积注意力的非侵入式负荷辨识算法

水电能源科学 2024年第1期42卷 206-210页

作者：何苑儒张金江赵强浙江科技学院自动化与电气工程学院浙江杭州310023 华立科技股份有限公司浙江杭州311100

针对目前非侵入式负荷监测算法准确率不高、训练耗时较长等问题,提出了一种基于卷积注意力的非侵入式负荷辨识算法。首先,对负荷数据设置最短运行和最短停止时长以降低测量误差带来的干扰。然后利用卷积神经网络对负荷数据进行训练,构... 详细信息

针对目前非侵入式负荷监测算法准确率不高、训练耗时较长等问题,提出了一种基于卷积注意力的非侵入式负荷辨识算法。首先,对负荷数据设置最短运行和最短停止时长以降低测量误差带来的干扰。然后利用卷积神经网络对负荷数据进行训练,构建的神经网络包括编码器、时间池化器、解码器,并在解码器中引入卷积注意力模块来计算时间序列中当前时刻最重要的信息。最后利用UKDALE数据集对所提负荷辨识模型进行验证,并与现有算法进行对比。仿真结果表明,所提算法具有更好的辨识精度和泛化能力,训练所用时间减少约27.9%。

关键词：非侵入式负荷监测注意力机制卷积神经网络残差连接负荷辨识

基于最优特征和改进随机森林的非侵入式负荷辨识方法

在线全文

学校读者我要写书评

暂无评论

电力需求侧管理 2024年第3期26卷 55-61页

作者：李利刚刘浩陈建强王昊川罗世超高源李凤朝国网天津市电力公司宝坻供电分公司天津301800 天津求实智源科技有限公司天津300392

非侵入式负荷监测方法是实现电网智能化的关键技术,有助于优化能量管理,促进能源高效利用。为了应对目前大多数负荷辨识模型存在的特征冗余、识别精度有限和计算效率低下等问题,提出了一种基于最优特征和改进随机森林的新型非侵入式负... 详细信息

非侵入式负荷监测方法是实现电网智能化的关键技术,有助于优化能量管理,促进能源高效利用。为了应对目前大多数负荷辨识模型存在的特征冗余、识别精度有限和计算效率低下等问题,提出了一种基于最优特征和改进随机森林的新型非侵入式负荷辨识方法。首先,通过递归特征消除方法从众多负荷特征中自主确定最优特征组合,以减少信息冗余。然后,确定不同决策树的权重数值,通过构建加权随机森林模型来实现电器负荷的辨识。为了进一步提高算法的精确度,利用改进鲸鱼算法对随机森林的重要参数进行优化。最终在公开数据集进行实验验证,证明所提负荷辨识方法具有准确性和优越性。

关键词：非侵入式负荷监测负荷辨识随机森林递归特征消除鲸鱼算法

基于特征优选及改进自组织神经网络的非侵入式负荷辨识

在线全文

学校读者我要写书评

暂无评论

中国电机工程学报 2022年第S01期42卷 106-114页

作者：向颖严慧峰余旭阳余爱琴刘顺成江卓翰刘鹏飞杨秀媛国网湖南省电力有限公司湖南省长沙市411100 能源互联网供需运营湖南省重点实验室(国网湖南省电力有限公司经济技术研究院) 湖南省长沙市411101 天地电研(北京)科技有限公司北京市海淀区100083 北京信息科技大学自动化学院北京市海淀区100192

负荷辨识是非侵入式负荷监测的关键,随着需求侧负荷数据的持续增长,利用智能算法对海量用电数据进行准确辨识成为目前的研究热点。该文在已有研究的基础上,建立非侵入式负荷辨识的有效处理方法,包括事件检测、负荷特征提取、特征筛选和... 详细信息

负荷辨识是非侵入式负荷监测的关键,随着需求侧负荷数据的持续增长,利用智能算法对海量用电数据进行准确辨识成为目前的研究热点。该文在已有研究的基础上,建立非侵入式负荷辨识的有效处理方法,包括事件检测、负荷特征提取、特征筛选和负荷辨识算法。利用Fisher算法对提取的典型居民负荷特征进行筛选,降低了负荷特征的冗余度,将波形数据转化为可辨识的结构化数据。提出非侵入式负荷监测下基于粒子群优化的改进自组织神经网络负荷辨识算法。考虑不同负荷设备的物理特性差异,提取用电设备通用负荷特征,构建低时间复杂度和高辨识准确率的改进自组织神经网络系统,完成对负荷种类的判定。实验验证了该算法能够在非侵入式负荷监测条件下,实现对居民用户负荷种类的有效辨识,且算法收敛速度较快,准确度高。

关键词：非侵入式负荷监测负荷特征 Fisher算法改进自组织神经网络负荷辨识

基于结构化特征图谱的组合支持向量机非侵入式负荷辨识

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2022年第12期46卷 210-219页

作者：武昕严萌郭一凡黄楷焱焦点华北电力大学电气与电子工程学院北京市102206 北京电力经济技术研究院有限公司北京市100008

非侵入式负荷监测是获取负荷数据、实现负荷感知的有效途径。为了使非侵入式负荷监测过程具有通用性和实用性,在不干扰用户情况下自动执行流程并达到高辨识精度,研究了一种结构化特征图谱下的组合支持向量机辨识方法。构建典型负荷的特... 详细信息

非侵入式负荷监测是获取负荷数据、实现负荷感知的有效途径。为了使非侵入式负荷监测过程具有通用性和实用性,在不干扰用户情况下自动执行流程并达到高辨识精度,研究了一种结构化特征图谱下的组合支持向量机辨识方法。构建典型负荷的特征图谱将变化无序的波形数据转化为结构化特征数据,使其具有通用性与可分性。在结构化特征图谱基础上,研究构建典型负荷的支持向量机分类器模型,在基分类器基础上形成每类负荷的组合支持向量机分类器,利用“集弱成强”思想保证每类组合分类器具有高分类准确率,从而实现准确的负荷辨识。在构建形成通用的图谱与分类器模型基础上,即可通过事件波形提取、波形数据结构化及分类器判决的处理流程实现实时的非侵入式负荷辨识。通过实际采集的负荷数据进行验证,构建了典型负荷的特征图谱,基于组合支持向量机模型对多户的采集数据进行分类判决,对不同用户的负荷数据均达到了高准确率辨识,验证了该方法具有较好的通用性与有效性。

关键词：非侵入式负荷监测特征图谱特征知识加工组合支持向量机负荷辨识

基于随机森林算法和稳态波形的非介入式工业负荷辨识

在线全文

学校读者我要写书评

暂无评论

中国电力 2022年第2期55卷 82-89页

作者：王健易姝慧刘俊杰刘俭中国电力科学研究院有限公司湖北武汉430070

非介入式工业负荷的准确辨识可以获取工厂内各负荷的运行情况,有利于需求侧智能用电管理。工业负荷由于采集暂态数据建模困难、需要高精度测量设备等特点,造成辨识方法复杂难以实现。针对这种情况,提出一种利用随机森林算法和稳态波形... 详细信息

非介入式工业负荷的准确辨识可以获取工厂内各负荷的运行情况,有利于需求侧智能用电管理。工业负荷由于采集暂态数据建模困难、需要高精度测量设备等特点,造成辨识方法复杂难以实现。针对这种情况,提出一种利用随机森林算法和稳态波形的非介入式工业负荷辨识方法。首先,通过事件监测工业负荷功率状态变化并提取稳态波形,根据工业负荷性能不同而引起的电流波形的差异性,构建单个负荷电流稳态波形的特征数据。然后,利用稳态波形高维度数据作为样本数据,采用随机森林算法中bootstrap(自助)抽样方法和CART算法生成多组决策树。最后,通过投票法对多组决策树进投票辨识得到工业负荷类型。仿真采用某工厂的实际运行负荷数据作为样本数据,通过组合负荷方法仿真比较验证所提辨识算法的有效性和快速性。仿真结果表明:所提的辨识算法准确率达到99%以上、辨识时间3.36 s,远超过贝叶斯辨识算法的准确率63.8%、时间6.15 s,可以有效实现非介入式工业负荷辨识。

关键词：非介入式负荷随机森林工业负荷电流波形负荷辨识

一种融合时间特征的非侵入式负荷辨识决策方法

在线全文

学校读者我要写书评

暂无评论

电测与仪表 2022年第4期59卷 144-151页

作者：田正其徐晴李如意赵双双国网江苏省电力有限公司营销服务中心南京210019 国家电网有限公司电能计量重点实验室南京210019 河南许继仪表有限公司河南许昌461000

针对家庭负荷用电场景中负荷类别的不确定性,以及非侵入式负荷监测设备数据库中负荷特征库的不完备等极易导致负荷辨识准确率下降的问题,文中在利用电气特征的基础上,提出了一种融合负荷运行时长、运行时段、工作周期及假期特性等时间... 详细信息

针对家庭负荷用电场景中负荷类别的不确定性,以及非侵入式负荷监测设备数据库中负荷特征库的不完备等极易导致负荷辨识准确率下降的问题,文中在利用电气特征的基础上,提出了一种融合负荷运行时长、运行时段、工作周期及假期特性等时间特征的非侵入式负荷辨识决策方法。在该方法中,通过分段归一化的Mean-shift聚类方法对检测得到的负荷事件特征进行聚类统计,获取潜在的负荷类别数;对用电设备负荷事件的时间特性进行统计,同时计算负荷功率特征度量负荷事件所产生的概率,并采用贝叶斯方法对负荷进行决策辨识。采用AMPds公共数据集进行实际测试,实验结果表明该方法对该场景具有较好的辨识效果。

关键词：非侵入式负荷辨识时间特征 mean-shift聚类贝叶斯决策方法

在线全文

学校读者我要写书评

暂无评论

基于KM算法投切事件匹配的负荷辨识方法

电测与仪表 2023年第11期60卷 66-73页

作者：胡悦胡文山王晓文周东国武汉大学电气与自动化学院武汉430072 山东济宁圣地电业集团有限公司山东济宁272000

负荷投切事件是关联负荷分类、辨识的一个重要依据,为了能够准确地实现非侵入式负荷投切过程的辨识,提出一种基于KM算法投切事件匹配的非侵入式负荷辨识方法。该方法采用一种功率曲线拟合逼近的方式进行负荷事件检测,并利用投切稳态特... 详细信息

负荷投切事件是关联负荷分类、辨识的一个重要依据,为了能够准确地实现非侵入式负荷投切过程的辨识,提出一种基于KM算法投切事件匹配的非侵入式负荷辨识方法。该方法采用一种功率曲线拟合逼近的方式进行负荷事件检测,并利用投切稳态特征建立用电设备投入和切除特征的概率分布模型。同时,考虑到负荷投入事件和切除事件数量不对等情况,将负荷事件与数据库负荷进行匹配,并采用加权优化的KM算法寻找最佳解,从而实现负荷投入和切除的正确匹配辨识。在真实的测试场景并结合REDD数据集进行实验,结果表明,文中方法可对负荷投切事件进行有效匹配辨识,为实现能耗细分奠定了基础。

关键词：非侵入式负荷匹配 KM算法图理论负荷辨识