基于多V-I轨迹融合的非侵入式负荷识别方法

1

作者 程志友 胡乐乐 +1 位作者 陈思源 杨猛 《电力系统保护与控制》 北大核心 2025年第11期63-71,共9页

在负荷识别领域中,仅使用单一负荷特征难以有效区分相似轨迹的负荷。为解决这一问题,提出了一种基于多V-I(电压-电流)轨迹融合的非侵入式负荷识别方法。该方法首先对高频采样数据进行预处理,从中提取基波电压(V_(1))、基波电流(I_(1))... 在负荷识别领域中,仅使用单一负荷特征难以有效区分相似轨迹的负荷。为解决这一问题,提出了一种基于多V-I(电压-电流)轨迹融合的非侵入式负荷识别方法。该方法首先对高频采样数据进行预处理,从中提取基波电压(V_(1))、基波电流(I_(1))以及最大谐波电流(I_(h max))。随后使用基波电压分别与基波电流和最大谐波电流相结合,构建了V_(1)-I_(1)轨迹和V_(1)-I_(h max)轨迹。最后将这两种轨迹特征输入到二维卷积神经网络(2D convolutional neural network,2D-CNN)中进行负荷分类,通过PLAID和WHITED两个公共数据集进行验证,所提出的负荷识别方法的准确率高达99.66%和99.81%。该实验结果表明,所提方法不仅增加了信息量,还提高了负荷识别的准确率,在实际电力监控和负荷管理中具有应用价值。 展开更多

关键词 非侵入式负荷识别 相似轨迹 V_(1)-I_(1)轨迹 V_(1)-I_(h max)轨迹 卷积神经网络

在线阅读 下载PDF 职称材料

考虑多状态特征的非侵入式负荷识别方法 被引量：1

2

作者 王磊 马佳琪 +3 位作者 韩肖清 薛邵锴 杨蕊麟 白桦 《电网技术》 EI CSCD 北大核心 2024年第11期4720-4728,I0075,共10页

针对传统负荷识别存在无法准确区分含有多种运行状态的负荷识别问题,该文提出一种考虑负荷多状态特征的非侵入式负荷识别方法(non-intrusive load monitoring,NILM)。首先,利用VGG16卷积神经网络(visual geometry group 16neural networ... 针对传统负荷识别存在无法准确区分含有多种运行状态的负荷识别问题,该文提出一种考虑负荷多状态特征的非侵入式负荷识别方法(non-intrusive load monitoring,NILM)。首先,利用VGG16卷积神经网络(visual geometry group 16neural network,VGG16)对负荷的U-I轨迹进行初步分类。然后,采用最大相关最小冗余特征选择(max-relevance and min-redundancy,mRMR)算法,从未成功分类的负荷的各个工作状态中筛选出最优特征组合作为输入,通过支持向量机(support vector machines,SVM)算法进行二阶段识别,达到快速精细化识别多状态易混淆电器的分类效果。最后,利用Plaid数据集,对分别考虑单个状态和多个状态特征的识别效果进行对比分析。结果表明,文中所提方法可以有效区分易混淆的多状态电器,提高了识别准确性。 展开更多

关键词 非侵入式负荷识别 多状态电器 U-I轨迹特征 VGG16神经网络 SVM分类算法

在线阅读 下载PDF 职称材料

一种基于度量学习的自适应非侵入式负荷识别方法 被引量：1

3

作者 王丙楠 陆玲霞 +1 位作者 包哲静 于淼 《电测与仪表》 北大核心 2024年第11期54-60,共7页

现有非侵入式负荷识别技术大多基于最优化和模式识别算法,两种算法在模型泛化能力和未知负荷识别上均存在一定缺陷。针对这一问题,文中提出一种基于度量学习的非侵入式负荷识别模型,通过卷积神经网络将负荷电流特性映射到度量空间,在网... 现有非侵入式负荷识别技术大多基于最优化和模式识别算法,两种算法在模型泛化能力和未知负荷识别上均存在一定缺陷。针对这一问题,文中提出一种基于度量学习的非侵入式负荷识别模型,通过卷积神经网络将负荷电流特性映射到度量空间,在网络训练时使用三元组损失实现特征的集聚,对度量空间特征进行相似度判别实现负荷辨识。所提方法可实现对未知负荷的有效识别,并具有较强的泛化能力;另一方面,度量学习作为小样本学习的方法之一,能够减轻对训练样本的依赖,具有较高的实用性。 展开更多

关键词 非侵入式负荷识别 度量学习 三元组损失 小样本学习

在线阅读 下载PDF 职称材料

基于马尔可夫转移场和轻量级网络的非侵入式负荷识别

4

作者 张帅 程志友 +2 位作者 田甜 徐正林 杨猛 《电力系统保护与控制》 EI CSCD 北大核心 2024年第17期51-61,共11页

负荷识别是非侵入式负荷监测(non-intrusive loadmonitoring,NILM)的关键一步。针对目前识别方法存在网络参数量大、识别率低的局限性,提出了一种基于马尔可夫转移场(Markov transition field,MTF)和轻量级网络的非侵入式负荷识别方法... 负荷识别是非侵入式负荷监测(non-intrusive loadmonitoring,NILM)的关键一步。针对目前识别方法存在网络参数量大、识别率低的局限性,提出了一种基于马尔可夫转移场(Markov transition field,MTF)和轻量级网络的非侵入式负荷识别方法。首先,利用归一化后的电压电流计算马尔可夫状态转移矩阵,在时域上排列每个状态转移概率构建MTF。其次,对MTF降采样以适应神经网络的学习,利用伪彩色编码技术得到RGB彩色图像。最后,在轻量级网络Shuffle Net V2中加入SimAM无参注意力模块作为特征提取网络,以较少的参数量实现负荷分类识别。使用公共数据集PLAID和WHITED对所提方法进行实验,结果表明,SimAM-ShuffleNetV2在两个数据集的识别准确率分别达到了98.99%和99.22%,参数量分别为0.37 M和0.41 M,比现有的方法具有更高的识别准确率和更少的参数量,验证了所提方法的有效性和优越性。 展开更多

关键词 非侵入式负荷识别 数据图像化 马尔可夫转移场 SimAM无参注意力 轻量级网络

在线阅读 下载PDF 职称材料

基于维特比算法改进的稳暂态混合非侵入式负荷识别方法 被引量：4

5

作者 刘宇 刘丛笑 +2 位作者 赵欣 高山 黄学良 《电工技术学报》 EI CSCD 北大核心 2023年第19期5241-5255,共15页

非侵入式负荷识别技术因其具有诸多优势,成为目前负荷运行状态监测的主流方法。通常可将其分为基于稳态特征的负荷识别和基于暂态特征的负荷识别。考虑相邻稳态过程和暂态过程之间的负荷运行状态开关逻辑,该文构建了时序校核模型和策略... 非侵入式负荷识别技术因其具有诸多优势,成为目前负荷运行状态监测的主流方法。通常可将其分为基于稳态特征的负荷识别和基于暂态特征的负荷识别。考虑相邻稳态过程和暂态过程之间的负荷运行状态开关逻辑,该文构建了时序校核模型和策略,以此排除不可信的结果以提高识别精度。首先,分别采用离散粒子群优化算法和动态时间规整进行基于稳态特征和暂态特征的负荷识别;然后,基于概率评价选取多个识别结果构建负荷识别结果候选集,联立多个连续的稳态和暂态过程的候选集,基于维特比算法构建时序识别结果的概率序列和评价方法,并进行优选以确定最终的识别结果;最后,分别在仿真数据集和实测数据集上对该方法进行验证分析。实验结果表明,该方法能有效提高整体的负荷识别精度,并明显改善大功率负荷的识别效果,同时保持小功率负荷的识别准确率。 展开更多

关键词 非侵入式负荷识别 离散粒子群优化算法 动态时间规整 维特比算法 稳暂态

在线阅读 下载PDF 职称材料

基于聚类加权随机森林的非侵入式负荷识别 被引量：16

6

作者 程江洲 谢诗雨 +2 位作者 张赟宁 王劲峰 唐阳 《智慧电力》 北大核心 2020年第8期123-129,共7页

非侵入式负荷识别是实现用能管理的重要监测手段,而随机森林因其良好的泛化能力和鲁棒性应用于负荷识别领域。针对传统随机森林算法忽略决策树分类能力的差异、投票不公平的问题,提出了一种基于层次聚类的加权随机森林算法。首先,提取... 非侵入式负荷识别是实现用能管理的重要监测手段,而随机森林因其良好的泛化能力和鲁棒性应用于负荷识别领域。针对传统随机森林算法忽略决策树分类能力的差异、投票不公平的问题,提出了一种基于层次聚类的加权随机森林算法。首先,提取各类负荷开关状态下负荷特征量,建立特征数据库用于训练原始随机森林模型。然后,利用有功功率差检测总线信号中的开关事件,并提取负荷特征量作为验证集和测试集;验证集采用层次聚类选择法获得每个聚类中分类精度最高的决策树,测试集采用加权投票策略实现负荷识别。通过实验验证,说明相比于传统的机器学习算法,该算法可以实现更高的识别精度,准确率可达96.2%。 展开更多

关键词 非侵入式负荷识别 随机森林 层次聚类 加权投票

在线阅读 下载PDF 职称材料

基于V-I轨迹颜色编码的非侵入式负荷识别方法 被引量：35

7

作者 解洋 梅飞 +3 位作者 郑建勇 高昂 李轩 沙浩源 《电力系统自动化》 EI CSCD 北大核心 2022年第4期93-102,共10页

在非侵入式负荷识别中基于原始电压-电流(V-I)轨迹特征的识别方法,难以对相似轨迹特征的负荷做出有效辨识。因此,提出了一种基于V-I轨迹特征的颜色编码方法,并利用K-means聚类算法和AlexNet神经网络进行负荷特征的辨识。首先,运用K-mean... 在非侵入式负荷识别中基于原始电压-电流(V-I)轨迹特征的识别方法,难以对相似轨迹特征的负荷做出有效辨识。因此,提出了一种基于V-I轨迹特征的颜色编码方法,并利用K-means聚类算法和AlexNet神经网络进行负荷特征的辨识。首先,运用K-means聚类算法对负荷的有功和无功功率特征进行初步分类。然后,对未分类成功的负荷进行V-I轨迹构建和颜色编码处理,生成带有颜色特征的V-I轨迹。最后,运用AlexNet神经网络对负荷进行训练和分类,达到快速精细化的分类效果。针对公共数据集PLAID和WHITED,运用原始V-I轨迹特征和进行颜色编码后V-I轨迹的识别效果做对比分析,可知所提方法在节省计算时间的同时也提高了识别的准确度,提升效果明显。 展开更多

关键词 非侵入式负荷识别 V-I轨迹特征 颜色编码 AlexNet神经网络 K-MEANS聚类算法

在线阅读 下载PDF 职称材料

基于广义回归神经网络的非侵入式负荷识别方法 被引量：24

8

作者 江帆 杨洪耕 《电测与仪表》 北大核心 2020年第3期1-6,18,共7页

非侵入式负荷识别可以实现电网和用户的灵活双向互动,对智能电网的发展具有重大意义,而神经网络因其自学习能力及计算复杂度低等优点越来越多地应用在非侵入式负荷识别中。针对现有BP神经网络方法容易陷入局部最优、收敛速度慢的问题,... 非侵入式负荷识别可以实现电网和用户的灵活双向互动,对智能电网的发展具有重大意义,而神经网络因其自学习能力及计算复杂度低等优点越来越多地应用在非侵入式负荷识别中。针对现有BP神经网络方法容易陷入局部最优、收敛速度慢的问题,文章提出了一种基于广义回归神经网络(GRNN)的非侵入式负荷识别方法。该方法使用负荷投切过程的功率、谐波、投切时间等暂态特征作为输入,应用Parzen非参数估计方法搭建网络结构,利用模拟退火算法的全局搜索能力对光滑因子进行寻优,从而建立GRNN网络模型进行负荷识别。实验结果表明,相对于BP神经网络,文中方法具有更好的识别精度和训练速度。 展开更多

关键词 非侵入式负荷识别 广义回归神经网络 光滑因子 模拟退火算法

在线阅读 下载PDF 职称材料

基于事件检测与CNN模型的非侵入式负荷识别方法及实现 被引量：12

9

作者 凌家源 彭勇刚 《电工电能新技术》 CSCD 北大核心 2021年第3期46-54,共9页

非侵入式负荷识别是非侵入式负荷监测的一个重要任务。考虑到实际部署的成本问题,负荷识别的算法常常需要在计算能力与内存受限的设备上运行,因此本文提出了一种基于事件检测和卷积神经网络模型的负荷识别方法并在基于STM32微处理器的... 非侵入式负荷识别是非侵入式负荷监测的一个重要任务。考虑到实际部署的成本问题,负荷识别的算法常常需要在计算能力与内存受限的设备上运行,因此本文提出了一种基于事件检测和卷积神经网络模型的负荷识别方法并在基于STM32微处理器的嵌入式系统上实现。首先引入带边距的滑动窗口,选取合适的特征值使用霍特林T 2检验进行事件检测,对检测到的事件使用卷积神经网络模型进行分类从而实现负荷识别,对训练好的神经网络模型进行压缩后部署到嵌入式设备上,在Blued数据集上对压缩后的算法进行整体性能测试,取得了较好的结果。 展开更多

关键词 非侵入式负荷识别 事件检测 卷积神经网络

在线阅读 下载PDF 职称材料

基于随机森林-遗传算法-极限学习机的非侵入式负荷识别方法 被引量：16

10

作者 安琪 王占彬 +4 位作者 安国庆 李争 陈贺 李峥 王耀强 《科学技术与工程》 北大核心 2022年第5期1929-1935,共7页

提高负荷识别准确率是实现非侵入式负荷监测的关键技术。针对现有模型识别准确率低、特征冗余度高、可分性较差的问题,提出一种基于随机森林(random forest,RF)和遗传算法优化极限学习机(genetic algorithm optimized extreme learning ... 提高负荷识别准确率是实现非侵入式负荷监测的关键技术。针对现有模型识别准确率低、特征冗余度高、可分性较差的问题,提出一种基于随机森林(random forest,RF)和遗传算法优化极限学习机(genetic algorithm optimized extreme learning machine,GA-ELM)的负荷识别方法。首先,从稳态电流信号中提取时域和频域信息作为负荷特征;其次,为进一步减小特征集的冗余度并剔除可分性较差的特征,使用随机森林算法对特征进行优选,得到最优特征集;最后,使用遗传算法优化极限学习机的权值和偏置参数,建立负荷识别模型。利用所建立的模型对11个家用电器共16种负荷状态进行识别,实验结果表明,所提模型可以提高识别准确率,对家用负荷可以进行快速有效识别。 展开更多

关键词 非侵入式负荷识别 随机森林 特征选择 遗传算法 极限学习机

在线阅读 下载PDF 职称材料

基于非侵入式负荷识别的交流电压幅值测量 被引量：5

11

作者 苏欣 袁葆 +2 位作者 张瑞 安亚刚 吕云彤 《电网与清洁能源》 北大核心 2022年第12期101-106,共6页

为增强电网稳定性运行的控制效果,以及获得准确的交流电压谐波分量,提出一种基于非侵入式负荷识别的交流电压幅值测量方法。采集工作中电器内单个物理量展现出的叠加负荷特性,利用傅里叶变换将连续的交流电压负荷信号转换成离散形式,并... 为增强电网稳定性运行的控制效果,以及获得准确的交流电压谐波分量,提出一种基于非侵入式负荷识别的交流电压幅值测量方法。采集工作中电器内单个物理量展现出的叠加负荷特性,利用傅里叶变换将连续的交流电压负荷信号转换成离散形式,并识别非侵入式负荷,得到各次谐波分量;通过差分采样不断调节正弦电压和交流电压,确保二者之间差值持续最小;引入加权傅里叶变换算法处理电压数据,降低误差的影响,完成了电压幅值的准确测量。仿真实验中所测量出的相位和谐波幅值均符合FLUKE 6105A技术指标,表明该方法测量精度高、抗干扰性强。 展开更多

关键词 非侵入式负荷识别 交流电压 傅里叶变换 差分采样 正弦电压

在线阅读 下载PDF 职称材料

基于复现性和熵权区分度的非侵入式负荷识别方法 被引量：2

12

作者 殷煌凯 许仪勋 +2 位作者 李宁 王玥 李盈含 《水电能源科学》 北大核心 2019年第10期163-167,共5页

非侵入式负荷识别采用单一负荷特征量识别时,准确率达不到要求;采用多负荷特征量识别则需大量数据,增大模型的复杂程度和识别计算量。对此,提出利用复现性指标和熵权区分度指标对负荷特征进行处理,进而优化数学模型,采用改进布谷鸟(CS)... 非侵入式负荷识别采用单一负荷特征量识别时,准确率达不到要求;采用多负荷特征量识别则需大量数据,增大模型的复杂程度和识别计算量。对此,提出利用复现性指标和熵权区分度指标对负荷特征进行处理,进而优化数学模型,采用改进布谷鸟(CS)算法实现求解测量量与估计量之差最小化的识别问题。算例分析结果表明,采用优化模型进行负荷识别时,放大了各负荷特征间的差异,提高了负荷辨识率,同时改进后的CS算法提高了收敛速度和准确率。 展开更多

关键词 非侵入式负荷识别 复现性 熵权区分度 改进CS算法 莱维飞行(Levy飞行)

在线阅读 下载PDF 职称材料

基于彩色V-Ⅰ轨迹特征和边缘机器学习非侵入式负荷识别方法

13

作者 陆玲霞 孟繁举 +2 位作者 于淼 任沁源 包哲静 《工程科学与技术》 2025年第5期134-141,共8页

非侵入式负荷识别方法作为分析用户用电行为的主要途径,对开展能耗监测、实现用电安全评估具有重要意义。针对传统基于V-I轨迹特征的非侵入式负荷识别方法存在特征重叠和无法识别未知负荷的问题,提出一种基于彩色V-I轨迹特征和轻量级孪... 非侵入式负荷识别方法作为分析用户用电行为的主要途径,对开展能耗监测、实现用电安全评估具有重要意义。针对传统基于V-I轨迹特征的非侵入式负荷识别方法存在特征重叠和无法识别未知负荷的问题,提出一种基于彩色V-I轨迹特征和轻量级孪生网络的非侵入式负荷识别方法。首先,通过负荷电压电流数据构建具有方向信息的彩色V-I轨迹图像。然后,利用孪生网络计算待识别负荷的V-I轨迹图像和负荷特征库中V-I轨迹图像之间的相似度,以完成初步识别。随后,计算电流谐波特征之间的余弦距离,与阈值对比完成最终负荷识别。在以STM32MP1微处理器为核心的嵌入式Linux系统上,使用实验室电器负荷进行了实物验证。结果表明:彩色V-I轨迹能更详细地反映负荷特征,提高负荷识别准确率,并且由于改进的人工智能模型比较轻量化,对计算量需求大大减小,可以在嵌入式设备端对负荷特征库进行动态实时在线更新,轻松完成模型再训练。与依赖服务器的传统算法相比,无需返回PC或服务器重新训练模型并重新移植模型到嵌入式设备端。该方法仅依赖嵌入式终端便可准确识别未知负荷,避免在出现较多未知负荷后识别准确率下降,保证了负荷识别效果。系统运算一次负荷识别时间为0.2 s左右,可以满足实时性要求,具有重要的研究价值和实用性。 展开更多

关键词 非侵入式负荷识别 边缘机器学习 孪生网络 嵌入式Linux系统

在线阅读 下载PDF 职称材料

基于DTL与DC-ResNet的非侵入式多标签负荷识别方法 被引量：2

14

作者 潘国兵 王振涛 +3 位作者 欧阳静 王杰 高亚栋 尹康 《高技术通讯》 CAS 2021年第7期781-789,共9页

针对目前负荷识别中存在的人工挖掘特征困难的问题,同时为了进一步提升识别精度,提出了一种基于深度转换学习(DTL)与双通道深度残差神经网络(DC-ResNet)的非侵入式多标签负荷识别方法。首先运用改进的DTL从原始的负荷数据中自动提取有... 针对目前负荷识别中存在的人工挖掘特征困难的问题,同时为了进一步提升识别精度,提出了一种基于深度转换学习(DTL)与双通道深度残差神经网络(DC-ResNet)的非侵入式多标签负荷识别方法。首先运用改进的DTL从原始的负荷数据中自动提取有效的负荷特征,可以达到降维的效果。然后将负荷数据按时间滑窗生成特征图作为DC-ResNet的输入,利用卷积核自动提取时间尺度上的有效特征。DC-ResNet的一条通道用于提取大类特征预测负荷的开关状态,另一条通道用于提取小类特征预测负荷的运行模式,综合两条通道的输出可以得到最后的多标签分类结果。实验结果表明,经DTL提取后的负荷数据更易被识别,DC-ResNet在总体和单一设备的识别上都具有更好的效果,而且模型所需的训练时间较短。 展开更多

关键词 双通道深度残差神经网络(DC-ResNet) 深度转换学习(DTL) 非侵入式负荷识别 多标签分类

在线阅读 下载PDF 职称材料

基于小波设计和数据挖掘算法协同训练的非侵入式负载识别 被引量：13

15

作者 周步祥 张致强 +2 位作者 袁岳 刘治凡 廖敏芳 《电测与仪表》 北大核心 2019年第4期1-7,共7页

居民用电信息细化对于规划居民电器使用和降低电能消耗具有重要的意义。文章在非侵入式负载识别技术的基础上,提出了一种利用数据挖掘算法进行协同训练的方法,小波设计用于提取家庭常用电器的开、关暂态特性的特征信息,利用小波的能量... 居民用电信息细化对于规划居民电器使用和降低电能消耗具有重要的意义。文章在非侵入式负载识别技术的基础上,提出了一种利用数据挖掘算法进行协同训练的方法,小波设计用于提取家庭常用电器的开、关暂态特性的特征信息,利用小波的能量系数作为特征值,使用k近邻算法和决策树算法协同训练分类出负载样本,对测试集进行了算法验证实验,在简化了计算复杂性的基础上获得了更高的识别精度,克服了一对余算法在分类真实负类事件上存在的缺陷,为用电可视化的研究工作打下基础。 展开更多

关键词 非侵入式负荷识别 小波分析 决策树算法 K近邻算法 协同训练

在线阅读 下载PDF 职称材料

计及小波设计和半监督机器学习的非侵入式负载识别 被引量：9

16

作者 张致强 周步祥 +2 位作者 张冰 王鑫 罗燕萍 《电力系统及其自动化学报》 CSCD 北大核心 2020年第5期143-150,共8页

在非侵入式负载识别技术的基础上,为进一步提高电器设备的识别效率,克服传统智能算法对开关事件分类准确度的缺陷,提出了一种半监督机器学习的识别方法,小波设计和普鲁克分析用于提取家庭常用电器的开、关暂态特征信息,利用小波的能量... 在非侵入式负载识别技术的基础上,为进一步提高电器设备的识别效率,克服传统智能算法对开关事件分类准确度的缺陷,提出了一种半监督机器学习的识别方法,小波设计和普鲁克分析用于提取家庭常用电器的开、关暂态特征信息,利用小波的能量系数作为特征值,采用最近邻算法和决策树算法2个分类器协同训练分类出负载样本,分类准确度的判断使用蒙特卡罗方法进行评估,通过对4种常用电器进行仿真实验,结果表明,相比监督机器学习的一对余算法77%的准确度,所提方法准确度达到了95.6%,运行测试时间由一对余(OAR)算法的10~12 ms降为6 ms,提高了对负荷特征相近电器的识别准确度和识别速度。 展开更多

关键词 蒙特卡罗方法 小波设计 非侵入式负荷识别 半监督机器学习 协同训练

在线阅读 下载PDF 职称材料

基于特征选择与增量学习的非侵入式电动自行车充电辨识方法 被引量：14

17

作者 施雨松 徐青山 郑建 《电力系统自动化》 EI CSCD 北大核心 2021年第7期87-94,共8页

为实现从电网侧监测电动自行车违规停放充电行为,减少电动自行车充电火灾事故,在非侵入式负荷识别的基础上,提出一种基于特征选择与增量学习的电动自行车充电辨识方法。首先,根据电动自行车充电实测电流波形,分析负荷特性并列举15种负... 为实现从电网侧监测电动自行车违规停放充电行为,减少电动自行车充电火灾事故,在非侵入式负荷识别的基础上,提出一种基于特征选择与增量学习的电动自行车充电辨识方法。首先,根据电动自行车充电实测电流波形,分析负荷特性并列举15种负荷特征。通过半监督Fisher计分与最大信息系数量度特征辨别度与冗余度,采用贪心搜索算法对特征重要性排序并结合排序与辨识结果选择辨识准确性最高的特征子集。然后,基于一类支持向量机增量学习方法,实现电动自行车负荷辨识与分类器在线学习。最后,通过实测数据进行试验,结果表明文中方法可以对电动自行车充电行为准确辨识,验证了算法的有效性。 展开更多

关键词 特征选择 一类支持向量机 增量学习 非侵入式负荷识别 充电辨识 电动自行车

在线阅读 下载PDF 职称材料

基于暂态特征贴近度匹配的家用负荷识别 被引量：66

18

作者 高云 杨洪耕 《电力系统自动化》 EI CSCD 北大核心 2013年第9期54-59,共6页

家用负荷识别可以指导用户合理安排用电时间,响应峰谷电价,同时可为电力系统需求侧管理方案的制定提供依据。针对现有方法多采用负荷稳态数据作为特征值的不足,考虑家用负荷开、关时暂态特征的独特性,提出了一种利用家用负荷开、关时的... 家用负荷识别可以指导用户合理安排用电时间,响应峰谷电价,同时可为电力系统需求侧管理方案的制定提供依据。针对现有方法多采用负荷稳态数据作为特征值的不足,考虑家用负荷开、关时暂态特征的独特性,提出了一种利用家用负荷开、关时的暂态功率特征贴近度来匹配家用负荷的方法。首先,建立家用负荷暂态特征标准化模板;然后,计算出采集信号与标准化模板间的贴近度作为隶属度;最后,按照综合隶属度最大原则进行识别。该方法原理简单、易于实施,实测结果验证了该方法的准确性和可行性。 展开更多

关键词 非侵入式负荷识别 负荷暂态特征 贴近度 隶属度 贴近度匹配

在线阅读 下载PDF 职称材料

基于深度迁移学习的家用电器识别研究 被引量：4

19

作者 陈红 余志斌 《传感器与微系统》 CSCD 2020年第6期48-50,54,共4页

非侵入式家用负荷识别可实现电能管理、能源监测等电能质量分析,具有低成本、易实施诸多优点。针对实测家用电器稳定运行数据存在噪声干扰,导致大量V-I图数据不可用问题,提出一种V-I图数据筛选算法,筛选表征家用电器的二维V-I特征图数据... 非侵入式家用负荷识别可实现电能管理、能源监测等电能质量分析,具有低成本、易实施诸多优点。针对实测家用电器稳定运行数据存在噪声干扰,导致大量V-I图数据不可用问题,提出一种V-I图数据筛选算法,筛选表征家用电器的二维V-I特征图数据,并改进深度学习网络,利用迁移学习,实现更好的家用电器识别效果。实验结果表明:数据筛选后不仅提高了电器识别的准确度,又加快了算法的收敛速度。 展开更多

关键词 非侵入式负荷识别 V-I特征图 数据筛选 深度学习

在线阅读 下载PDF 职称材料