期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进AP聚类与优化GRNN的非侵入式负荷分解研究
被引量：
10
1
作者
汪繁荣
向堃
刘辉
《工程科学与技术》
EI
CAS
CSCD
北大核心
2020年第4期56-65,共10页
泛在电力物联网的提出推动了智慧用电、负荷监测等技术的大力发展,为解决传统非侵入式负荷监测与分解方法耗时长、辨识精度低等问题,提出了一种通过半监督学习聚类数据建立特征集并结合果蝇优化广义回归神经网络模型的负荷分解方法。首...
泛在电力物联网的提出推动了智慧用电、负荷监测等技术的大力发展,为解决传统非侵入式负荷监测与分解方法耗时长、辨识精度低等问题,提出了一种通过半监督学习聚类数据建立特征集并结合果蝇优化广义回归神经网络模型的负荷分解方法。首先,该方法利用输入的设备有功功率和电流数据采取半监督学习优化相似矩阵,以近邻传播聚类算法为基础挖掘出用电设备的运行状态特性及功率信息,再使用数字编码方式将设备运行状态表示为分类标签;然后,输入总有功功率、无功功率以及电流的时间序列数据和对应序列的分类标签矩阵,利用果蝇优化算法的寻优能力求得广义回归神经网络模型的最优Spread值完成模型优化和训练;随后,输入测试时间序列数据,得到分类矩阵即各设备运行状态,并利用设备运行状态对应的功率信息进行总有功功率重构拟合,完成负荷分解。经仿真对比,该方法对所有用电设备运行状态辨识准确率达到86%左右,对单个用电设备运行状态辨识准确率达到96%左右,且耗时较短,显著提高了对负荷特性信息的挖掘能力和分解辨识能力。
展开更多
关键词
非侵入式负荷分解与监测
半监督近邻传播聚类
果蝇优化算法
广义回归神经网络
在线阅读
下载PDF
职称材料
基于VMD样本熵与随机森林的非侵入式设备状态检测方法
被引量：
5
2
作者
汪繁荣
向堃
吴铁洲
《现代电子技术》
2021年第15期104-108,共5页
非侵入式负荷监测可以保护用户隐私并对用电情况做出细分,为了提高设备状态检测辨识精度,提出一种基于变分模态分解样本熵特征数据集结合随机森林分类的非侵入式负荷状态检测方法。采用变分模态分解算法利用其良好的抗噪性、鲁棒性对暂...
非侵入式负荷监测可以保护用户隐私并对用电情况做出细分,为了提高设备状态检测辨识精度,提出一种基于变分模态分解样本熵特征数据集结合随机森林分类的非侵入式负荷状态检测方法。采用变分模态分解算法利用其良好的抗噪性、鲁棒性对暂态特征进行提取;计算模态样本熵,将处理后的数据集作为决策树、支持向量机和随机森林等算法的输入进行负荷状态辨识。实验分析表明,随机森林的强分类性使得负荷辨识结果较好,且拟合效果优秀,成功结合了所提算法并解决了单设备运行和多设备运行时的非侵入式设备状态的检测问题。
展开更多
关键词
非侵入式负荷监测
变分模态分解
样本熵
随机森林
用电设备
暂态特征
状态检测
支持向量机
在线阅读
下载PDF
职称材料
基于聚类特征及seq2seq深度CNN的家电负荷识别方法研究
被引量：
3
3
作者
汪繁荣
向堃
吴铁洲
《电测与仪表》
北大核心
2023年第10期79-86,共8页
非侵入式负荷分解技术能够挖掘用户内部信息获取各用电设备负荷信息,使智能电网更加贴近日常生活,为泛在电力物联网感知层建立提供有效数据。为解决传统非侵入式负荷分解方法输入数据复杂,考虑因素较多,采样硬件要求高以及辨识准确率较...
非侵入式负荷分解技术能够挖掘用户内部信息获取各用电设备负荷信息,使智能电网更加贴近日常生活,为泛在电力物联网感知层建立提供有效数据。为解决传统非侵入式负荷分解方法输入数据复杂,考虑因素较多,采样硬件要求高以及辨识准确率较低等问题,文章首先利用改进迭代K均值聚类提取用电设备运行状态建立负荷特征集,之后将特征集输入构造的序列到序列的一维深层卷积神经网络模型以及序列到序列的单、双向长短时记忆网络等模型中进行负荷分解挖掘各设备运行状态。最后通过REFITPowerData数据集进行验证,一维深层卷积神经网络模型虽然耗时较大但负荷识别准确率达到93%以上,表明基于特征数据集及序列到序列的一维深层卷积神经网络非侵入式负荷分解方法与其他深度学习模型方法、人工神经网络方法相比表现出更显著的信息提取能力以及辨识能力。
展开更多
关键词
非侵入式负荷分解
深度学习
卷积神经网络
序列到序列
特征提取
数据挖掘
在线阅读
下载PDF
职称材料
题名
基于改进AP聚类与优化GRNN的非侵入式负荷分解研究
被引量：
10
1
作者
汪繁荣
向堃
刘辉
机构
湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室
无锡风繁伟业科技有限公司
出处
《工程科学与技术》
EI
CAS
CSCD
北大核心
2020年第4期56-65,共10页
基金
国家自然科学基金项目(41601394)。
文摘
泛在电力物联网的提出推动了智慧用电、负荷监测等技术的大力发展,为解决传统非侵入式负荷监测与分解方法耗时长、辨识精度低等问题,提出了一种通过半监督学习聚类数据建立特征集并结合果蝇优化广义回归神经网络模型的负荷分解方法。首先,该方法利用输入的设备有功功率和电流数据采取半监督学习优化相似矩阵,以近邻传播聚类算法为基础挖掘出用电设备的运行状态特性及功率信息,再使用数字编码方式将设备运行状态表示为分类标签;然后,输入总有功功率、无功功率以及电流的时间序列数据和对应序列的分类标签矩阵,利用果蝇优化算法的寻优能力求得广义回归神经网络模型的最优Spread值完成模型优化和训练;随后,输入测试时间序列数据,得到分类矩阵即各设备运行状态,并利用设备运行状态对应的功率信息进行总有功功率重构拟合,完成负荷分解。经仿真对比,该方法对所有用电设备运行状态辨识准确率达到86%左右,对单个用电设备运行状态辨识准确率达到96%左右,且耗时较短,显著提高了对负荷特性信息的挖掘能力和分解辨识能力。
关键词
非侵入式负荷分解与监测
半监督近邻传播聚类
果蝇优化算法
广义回归神经网络
Keywords
non-intrusive load decomposition and monitoring
semi-supervised affinity propagation clustering
fruit fly optimization algorithm
generalized regression neural network
分类号
TM714 [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VMD样本熵与随机森林的非侵入式设备状态检测方法
被引量：
5
2
作者
汪繁荣
向堃
吴铁洲
机构
湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室
无锡风繁伟业科技有限公司
出处
《现代电子技术》
2021年第15期104-108,共5页
基金
国家自然科学基金项目(51677058)。
文摘
非侵入式负荷监测可以保护用户隐私并对用电情况做出细分,为了提高设备状态检测辨识精度,提出一种基于变分模态分解样本熵特征数据集结合随机森林分类的非侵入式负荷状态检测方法。采用变分模态分解算法利用其良好的抗噪性、鲁棒性对暂态特征进行提取;计算模态样本熵,将处理后的数据集作为决策树、支持向量机和随机森林等算法的输入进行负荷状态辨识。实验分析表明,随机森林的强分类性使得负荷辨识结果较好,且拟合效果优秀,成功结合了所提算法并解决了单设备运行和多设备运行时的非侵入式设备状态的检测问题。
关键词
非侵入式负荷监测
变分模态分解
样本熵
随机森林
用电设备
暂态特征
状态检测
支持向量机
Keywords
non⁃intrusive load monitoring
VMD
sample entropy
random forest
electrical equipment
transient feature
state detection
SVM
分类号
TN99-34 [电子电信—信号与信息处理]
TM714 [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
基于聚类特征及seq2seq深度CNN的家电负荷识别方法研究
被引量：
3
3
作者
汪繁荣
向堃
吴铁洲
机构
湖北工业大学太阳能高效利用及储能运行控制湖北省重点实验室
无锡风繁伟业科技有限公司
出处
《电测与仪表》
北大核心
2023年第10期79-86,共8页
基金
国家自然科学基金资助项目(51677058)。
文摘
非侵入式负荷分解技术能够挖掘用户内部信息获取各用电设备负荷信息,使智能电网更加贴近日常生活,为泛在电力物联网感知层建立提供有效数据。为解决传统非侵入式负荷分解方法输入数据复杂,考虑因素较多,采样硬件要求高以及辨识准确率较低等问题,文章首先利用改进迭代K均值聚类提取用电设备运行状态建立负荷特征集,之后将特征集输入构造的序列到序列的一维深层卷积神经网络模型以及序列到序列的单、双向长短时记忆网络等模型中进行负荷分解挖掘各设备运行状态。最后通过REFITPowerData数据集进行验证,一维深层卷积神经网络模型虽然耗时较大但负荷识别准确率达到93%以上,表明基于特征数据集及序列到序列的一维深层卷积神经网络非侵入式负荷分解方法与其他深度学习模型方法、人工神经网络方法相比表现出更显著的信息提取能力以及辨识能力。
关键词
非侵入式负荷分解
深度学习
卷积神经网络
序列到序列
特征提取
数据挖掘
Keywords
non-intrusive load decomposition
deep learning
convolutional neural network
sequence to sequence
feature extraction
data mining
分类号
TM714 [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
基于改进AP聚类与优化GRNN的非侵入式负荷分解研究
汪繁荣
向堃
刘辉
《工程科学与技术》
EI
CAS
CSCD
北大核心
2020
10
在线阅读
下载PDF
职称材料
2
基于VMD样本熵与随机森林的非侵入式设备状态检测方法
汪繁荣
向堃
吴铁洲
《现代电子技术》
2021
5
在线阅读
下载PDF
职称材料
3
基于聚类特征及seq2seq深度CNN的家电负荷识别方法研究
汪繁荣
向堃
吴铁洲
《电测与仪表》
北大核心
2023
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
