检索结果-维普期刊中文期刊服务平台

基于U-I轨迹曲线精细化识别的非侵入式居民负荷监测方法被引量：32: 1; 作者汪颖杨维 +1 位作者肖先勇张姝《电网技术》 EI CSCD 北大核心 2021年第10期4104-4113,共10页; 识别用户的负荷用电特性与用电行为是智能电网的重要研究内容之一。该文提出一种基于U-I轨迹曲线精细化识别的非侵入式负荷监测方法,实现对用户负荷有效的非侵入式监测。首先,利用拟合优度检验捕捉用电器投切事件,提取负荷的有功、无功... 展开更多; 关键词智能电网非侵入式负荷监测 u-i轨迹精细化识别卷积神经网络; 在线阅读下载PDF 职称材料

基于短路阻抗及ΔU-I_(1)轨迹特征联合分析的变压器绕组变形故障在线检测方法被引量：13: 2; 作者李振华蒋伟辉 +3 位作者喻彩云陈兴新李振兴徐艳春《电力自动化设备》 EI CSCD 北大核心 2021年第7期203-209,217,共8页; 为解决短路阻抗法不能进行故障类型识别及其与ΔU-I_(1)轨迹法均易受设备测量误差干扰的问题,提出了基于短路电抗及ΔU-I_(1)轨迹特征联合分析的绕组变形在线检测方法。介绍了在线短路阻抗法的原理,并根据互感器测量误差的短时不变性提... 展开更多; 关键词电力变压器绕组变形短路阻抗 Δu-i1轨迹在线检测; 在线阅读下载PDF 职称材料

融合卷积神经网络和注意力机制的负荷识别方法被引量：1: 3; 作者赵毅涛李钊 +3 位作者刘兴龙骆钊王钢沈鑫《电力工程技术》北大核心 2025年第1期227-235,共9页; 对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境... 展开更多; 关键词非侵入式负荷监测(NILM) 负荷识别卷积神经网络(CNN) 挤压-激励网络(SENet) 注意力机制特征提取 u-i轨迹; 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: 4; 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... 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

基于U-I图的铝/钢双脉冲MIG熔-钎焊稳定性评价及其MATLAB实现被引量：2: 5; 作者李剑雄李桓 +1 位作者韦辉亮张玉昌《焊接学报》 EI CAS CSCD 北大核心 2017年第2期87-91,共5页; 针对铝/钢双脉冲MIG熔-钎焊过程稳定性差的问题,提出一种基于U-I动态工作点轨迹集中性的焊接过程稳定性评价方法.该方法通过MATLAB定量计算U-I图面积来表示U-I动态工作点轨迹集中性,U-I图面积越小,表明U-I动态工作点轨迹越集中,焊接过... 展开更多; 关键词双脉冲MIG熔-钎焊 u-i动态工作点轨迹集中性焊接过程稳定性电弧形态电压概率密度分布; 在线阅读下载PDF 职称材料

基于庞加莱映射与多元特征融合构图的轻量化负荷识别方法: 6; 作者梁志泓罗庆全 +4 位作者余涛霍富铭蓝超凡梁敏航潘振宁《电网技术》 EI CSCD 北大核心 2024年第11期4710-4719,I0068-I0074,I0067,共18页; 随着新型电力系统对需求侧资源调控要求的提高,负荷识别作为负荷精细化管理的关键技术愈发受到重视。而现有方法仍可进一步丰富负荷电气量周期性表征角度、提升多元特征融合能力以提高模型性能,降低识别模型复杂度以增强实用性。因此,... 展开更多; 关键词负荷识别庞加莱映射 u-i轨迹轻量化模型重参数化; 在线阅读下载PDF 职称材料

基于颜色编码的非侵入式负荷细粒度识别方法被引量：19: 7; 作者崔昊杨蔡杰 +3 位作者陈磊江超江友华张驯《电网技术》 EI CSCD 北大核心 2022年第4期1557-1565,共9页; 在非侵入式负荷识别任务中,仅使用单一负荷特征对设备进行辨识时,存在特征重叠现象,无法满足对设备进行细粒度分类的需求。为此,该文提出一种基于颜色编码的非侵入式负荷细粒度识别方法。首先,采用Fryze功率理论将高频采样电流分解为有... 展开更多; 关键词细粒度识别 Fryze功率理论颜色编码 u-i轨迹卷积神经网络自主学习; 在线阅读下载PDF 职称材料

题名基于U-I轨迹曲线精细化识别的非侵入式居民负荷监测方法被引量：32: 1; 作者汪颖杨维肖先勇张姝; 机构四川大学电气工程学院; 出处《电网技术》 EI CSCD 北大核心 2021年第10期4104-4113,共10页; 基金国家自然科学基金资助项目(52077145,52007126)。; 文摘识别用户的负荷用电特性与用电行为是智能电网的重要研究内容之一。该文提出一种基于U-I轨迹曲线精细化识别的非侵入式负荷监测方法,实现对用户负荷有效的非侵入式监测。首先,利用拟合优度检验捕捉用电器投切事件,提取负荷的有功、无功功率变化量以及U-I轨迹3类特征。然后,进行两阶段负荷识别:第一阶段利用考虑初始优化的k-means算法对有功、无功变化量进行聚类,并压缩聚类个数,将功率特征相近的用电器聚为同组,得到一阶段识别判据,实现负荷粗辨识;第二阶段针对一阶段存在的识别盲区,构建卷积神经网络模型,以二维U-I轨迹图作为输入,通过卷积神经网络自动提取轨线的有效特征,实现一阶段盲区负荷的精细化识别。最后,利用BLUED数据集进行方法有效性的验证。; 关键词智能电网非侵入式负荷监测 u-i轨迹精细化识别卷积神经网络; Keywords smart grid non-intrusive load monitoring u-i trajectory fine identification convolution neural network; 分类号 TM721 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于短路阻抗及ΔU-I_(1)轨迹特征联合分析的变压器绕组变形故障在线检测方法被引量：13: 2; 作者李振华蒋伟辉喻彩云陈兴新李振兴徐艳春; 机构三峡大学电气与新能源学院三峡大学梯级水电站运行与控制湖北省重点实验室; 出处《电力自动化设备》 EI CSCD 北大核心 2021年第7期203-209,217,共8页; 基金国家自然科学基金资助项目(51507091) 三峡大学学位论文培优基金资助项目(2020SSPY052)。; 文摘为解决短路阻抗法不能进行故障类型识别及其与ΔU-I_(1)轨迹法均易受设备测量误差干扰的问题,提出了基于短路电抗及ΔU-I_(1)轨迹特征联合分析的绕组变形在线检测方法。介绍了在线短路阻抗法的原理,并根据互感器测量误差的短时不变性提出了减小测量误差的计算方法。介绍了ΔU-I_(1)轨迹法的原理,然后给出基于短路阻抗及ΔU-I_(1)轨迹特征联合分析的变压器绕组变形在线检测步骤和判据。通过建立变压器的仿真模型,对所提方法的有效性及考虑测量误差时的准确性进行了验证。结果表明,所提方法能在考虑测量误差时准确识别变压器的绕组变形故障,具有工频带电监测和故障类型识别的优点,提高了绕组变形故障识别的精度。; 关键词电力变压器绕组变形短路阻抗 Δu-i1轨迹在线检测; Keywords power transformers winding deformation short circuit impedance ΔUI_(1)locus online detection; 分类号 TM407 [电气工程—电器]; 在线阅读下载PDF 职称材料

题名融合卷积神经网络和注意力机制的负荷识别方法被引量：1: 3; 作者赵毅涛李钊刘兴龙骆钊王钢沈鑫; 机构云南电网有限责任公司昆明理工大学电力工程学院; 出处《电力工程技术》北大核心 2025年第1期227-235,共9页; 基金国家自然科学基金资助项目(52277104,51907084) 云南省重点研发计划资助项目(202303AC100003)。; 文摘对居民住宅进行非侵入式负荷监测(non-intrusive load monitoring,NILM)是智能电网用户需求侧的重要研究内容,居民负荷的能耗分析和用电管理是实现节能减排、可持续发展的关键环节。针对传统算法识别性能差、难以适应当下复杂用电环境的问题,文中从增强分类算法特征提取性能的优化思路出发,提出融合卷积神经网络(convolutional neural network,CNN)和自注意力机制的NILM负荷识别方法。首先,采集8种不同家用电器的电力数据,建立U-I轨迹曲线数据库;其次,采用挤压-激励网络(squeeze-and-excitation network,SENet)注意力机制提升CNN的特征聚合能力,完成对不同电器U-I轨迹曲线的特征提取和负荷识别;最后,对私有数据集和PLAID数据集进行测试,算例结果表明,所提方法在不同运行场景下均具有较高的识别准确率和较好的泛化性能。; 关键词非侵入式负荷监测(NILM) 负荷识别卷积神经网络(CNN) 挤压-激励网络(SENet) 注意力机制特征提取 u-i轨迹; Keywords non-intrusive load monitoring(NILM) load identification convolutional neural network(CNN) squeeze-and-excitation network(SENet) attention mechanism feature extraction u-i trajectory; 分类号 TM933 [电气工程—电力电子与电力传动]; 在线阅读下载PDF 职称材料

题名考虑多状态特征的非侵入式负荷识别方法被引量：1: 4; 作者王磊马佳琪韩肖清薛邵锴杨蕊麟白桦; 机构电力系统运行与控制山西省重点实验室(太原理工大学) 国网山西省电力公司太原供电公司; 出处《电网技术》 EI CSCD 北大核心 2024年第11期4720-4728,I0075,共10页; 基金山西省基础研究计划青年科学研究项目(202203021212288) 山西省科技重大专项(20181102028)。; 文摘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。; 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; Keywords non-intrusive load monitoring multi-state appliances u-i trajectory features VGG16 neural network SVM classification algorithm; 分类号 TM721 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于U-I图的铝/钢双脉冲MIG熔-钎焊稳定性评价及其MATLAB实现被引量：2: 5; 作者李剑雄李桓韦辉亮张玉昌; 机构天津大学天津市现代连接技术重点试验室天津市畅通车料有限公司; 出处《焊接学报》 EI CAS CSCD 北大核心 2017年第2期87-91,共5页; 基金国家自然科学基金资助项目(51475325) 天津市应用基础与前沿技术研究计划资助项目(14JCYBJC19100) 天津大学-武清区专项科研基金资助项目(2013816008); 文摘针对铝/钢双脉冲MIG熔-钎焊过程稳定性差的问题,提出一种基于U-I动态工作点轨迹集中性的焊接过程稳定性评价方法.该方法通过MATLAB定量计算U-I图面积来表示U-I动态工作点轨迹集中性,U-I图面积越小,表明U-I动态工作点轨迹越集中,焊接过程越稳定;反之,U-I图面积越大,U-I动态工作点轨迹越分散,焊接过程越不稳定.结果表明,利用该方法得到的不同电弧作用位置下焊接过程稳定性与其对应的焊接电压方差、电压概率密度分布和电弧形态稳定性分析结果具有一致性,故该方法是可靠的,且为铝/钢双脉冲MIG熔-钎焊稳定性评定提供了定量指导.; 关键词双脉冲MIG熔-钎焊 u-i动态工作点轨迹集中性焊接过程稳定性电弧形态电压概率密度分布; Keywords double pulse MIG welding-brazing concentration of tracks of u-i dynamic operating points welding process stability arc profile probability density distribution of welding voltage; 分类号 TG444.4 [金属学及工艺—焊接]; 在线阅读下载PDF 职称材料

题名基于庞加莱映射与多元特征融合构图的轻量化负荷识别方法: 6; 作者梁志泓罗庆全余涛霍富铭蓝超凡梁敏航潘振宁; 机构华南理工大学电力学院; 出处《电网技术》 EI CSCD 北大核心 2024年第11期4710-4719,I0068-I0074,I0067,共18页; 基金国家自然科学基金项目(52207105) 广州市基础研究计划基础与应用基础研究项目(SL2022A04J01135)。; 文摘随着新型电力系统对需求侧资源调控要求的提高,负荷识别作为负荷精细化管理的关键技术愈发受到重视。而现有方法仍可进一步丰富负荷电气量周期性表征角度、提升多元特征融合能力以提高模型性能,降低识别模型复杂度以增强实用性。因此,提出了一种基于庞加莱映射与多元特征融合构图的轻量化负荷识别方法。首先,采用庞加莱映射在相空间角度表征负荷运行的周期轨迹特征,构建原始电流、无功电流的U-I轨迹以刻画多维动态特性,更基于二进制编码嵌入多种电气专家特征,融合生成强区分性的彩色特征图像。再构建特征学习能力强且轻量化的MobileOne负荷识别模型,通过重参数化策略进一步降低模型计算复杂度并缩短推理时延以大幅提高边缘部署的可用性。在公开数据集PLAID和WHITED中进行实验,所提方法的准确率与宏F_1分数均高于现有方法,且相比现有基于图像化特征的负荷识别模型,至多可减少99.23%的参数量、98.27%的浮点数运算和89.15%的推理时延。; 关键词负荷识别庞加莱映射 u-i轨迹轻量化模型重参数化; Keywords load identification Poincarémapping u-i trajectory light-weight model reparameterization; 分类号 TM73 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于颜色编码的非侵入式负荷细粒度识别方法被引量：19: 7; 作者崔昊杨蔡杰陈磊江超江友华张驯; 机构上海电力大学电子与信息工程学院国家电网甘肃省电力公司电力科学研究院; 出处《电网技术》 EI CSCD 北大核心 2022年第4期1557-1565,共9页; 文摘在非侵入式负荷识别任务中,仅使用单一负荷特征对设备进行辨识时,存在特征重叠现象,无法满足对设备进行细粒度分类的需求。为此,该文提出一种基于颜色编码的非侵入式负荷细粒度识别方法。首先,采用Fryze功率理论将高频采样电流分解为有功、无功电流,并对高频采样电压与无功电流进行标准化处理以构建二维U-I轨迹图像。然后,利用颜色编码技术对轨迹图像进行处理,在R、G、B三通道中分别融合有功电流、轨迹变化信息及瞬时功率,得到彩色U-I轨迹图像。最后,构建卷积神经网络,对彩色U-I轨迹图像进行特征提取,实现对设备的分类。在此基础上,文中提出了一种自主学习方法,实现对负荷识别模型自主更新。使用PLAID和WHITED数据集对本算法的识别效果及自主学习方法进行测试。结果表明,文中方法使得U-I轨迹所携带的信息量增加,增强了负荷特征的独特性,从而实现对设备的细粒度识别;自主学习方法能够学习新型电器并更新模型,提升了负荷识别模型场景适应能力。; 关键词细粒度识别 Fryze功率理论颜色编码 u-i轨迹卷积神经网络自主学习; Keywords fine-grained identification Fryze power theory color encoding u-i trajectory convolutional neural network self-learning; 分类号 TM721 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于U-I轨迹曲线精细化识别的非侵入式居民负荷监测方法	汪颖杨维肖先勇张姝	《电网技术》 EI CSCD 北大核心	2021	32	在线阅读下载PDF 职称材料
2	基于短路阻抗及ΔU-I_(1)轨迹特征联合分析的变压器绕组变形故障在线检测方法	李振华蒋伟辉喻彩云陈兴新李振兴徐艳春	《电力自动化设备》 EI CSCD 北大核心	2021	13	在线阅读下载PDF 职称材料
3	融合卷积神经网络和注意力机制的负荷识别方法	赵毅涛李钊刘兴龙骆钊王钢沈鑫	《电力工程技术》北大核心	2025	1	在线阅读下载PDF 职称材料
4	考虑多状态特征的非侵入式负荷识别方法	王磊马佳琪韩肖清薛邵锴杨蕊麟白桦	《电网技术》 EI CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
5	基于U-I图的铝/钢双脉冲MIG熔-钎焊稳定性评价及其MATLAB实现	李剑雄李桓韦辉亮张玉昌	《焊接学报》 EI CAS CSCD 北大核心	2017	2	在线阅读下载PDF 职称材料
6	基于庞加莱映射与多元特征融合构图的轻量化负荷识别方法	梁志泓罗庆全余涛霍富铭蓝超凡梁敏航潘振宁	《电网技术》 EI CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
7	基于颜色编码的非侵入式负荷细粒度识别方法	崔昊杨蔡杰陈磊江超江友华张驯	《电网技术》 EI CSCD 北大核心	2022	19	在线阅读下载PDF 职称材料