检索结果-维普期刊中文期刊服务平台

电动汽车与直流配电网协同的分布式自适应滚动预测调度被引量：6: 1; 作者梁栋邱馨洁 +2 位作者刘琪王笑雪王守相《电力系统自动化》 EI CSCD 北大核心 2023年第24期90-99,共10页; 为充分挖掘电动汽车(EV)的灵活调度潜力,提出了EV与直流配电网协同的分布式自适应滚动预测调度方法。首先,建立了电压源型换流器、储能及直流配电网潮流的数学模型;然后,构建了不可调度、只充电和可充放电3类EV充电偏好的数学模型,并以... 展开更多; 关键词直流配电网电动汽车电压源型换流器滚动预测调度自适应模型预测控制交替方向乘子法; 在线阅读下载PDF 职称材料

基于CNN与K-means聚类的非侵入式电器负荷识别方法被引量：5: 2; 作者李争王泽 +3 位作者冯威安国庆王强陈贺《河北科技大学学报》 CAS 北大核心 2022年第4期365-373,共9页; 针对目前非侵入式负荷监测仅能识别单个家用电器、多种家用电器同时运行识别率低的问题,提出一种基于卷积神经网络(CNN)与K-means聚类结合的非侵入式家用电器识别方法。首先,通过改进的CUSUM边沿检测算法对获取的用户用电数据进行时间检... 展开更多; 关键词电气测量技术及其仪器仪表非侵入式负荷监测卷积神经网络 K-MEANS聚类 CUSUM边沿检测; 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: 3; 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 ... 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K-means聚类与PSO特征优选KNN的分级负荷识别方法被引量：5: 4; 作者安琪梁宇飞 +4 位作者王耀强王占彬李争李峥安国庆《河北科技大学学报》 CAS 北大核心 2022年第3期249-258,共10页; 针对非侵入式负荷辨识中,单一V-I轨迹特征无法对相似的轨迹特征进行有效识别以及所提取特征易出现冗余甚至噪声特征的问题,提出了一种基于K-means聚类与PSO特征优选的分级非侵入式负荷识别方法。首先,利用K-means算法对负荷V-I轨迹的HO... 展开更多; 关键词电气测量技术及其仪器仪表非侵入式负荷辨识 V-I轨迹 HOG特征 K-means聚类分析特征优选; 在线阅读下载PDF 职称材料

基于CF-MF-SE联合特征的非侵入式负荷辨识被引量：5: 5; 作者安国庆梁宇飞 +6 位作者蒋子尧李争安琪陈贺李峥王强白嘉诚《河北科技大学学报》 CAS 北大核心 2021年第5期462-469,共8页; 针对目前非侵入式负荷辨识存在模型训练时间过长以及负荷特征相近的电器辨识精度不高的问题,提出了一种基于CF-MF-SE联合特征的非侵入式负荷辨识方法。以稳态电流信号为基础,通过提取峰值因数表征波形的畸变程度,采用裕度因子表征信号... 展开更多; 关键词电气测量技术及其仪器仪表非侵入式负荷辨识谱熵支持向量机粒子群优化; 在线阅读下载PDF 职称材料

题名电动汽车与直流配电网协同的分布式自适应滚动预测调度被引量：6: 1; 作者梁栋邱馨洁刘琪王笑雪王守相; 机构省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学) 河北省电磁场与电器可靠性重点实验室(河北工业大学) 河北省智能配用电装备产业技术研究院(石家庄科林电气股份有限公司) 山东科技大学电气与自动化工程学院智能电网教育部重点实验室(天津大学); 出处《电力系统自动化》 EI CSCD 北大核心 2023年第24期90-99,共10页; 基金河北省自然科学基金资助项目(E2021202053) 河北省省级科技计划资助项目(20311801D,21567605H)。; 文摘为充分挖掘电动汽车(EV)的灵活调度潜力,提出了EV与直流配电网协同的分布式自适应滚动预测调度方法。首先,建立了电压源型换流器、储能及直流配电网潮流的数学模型;然后,构建了不可调度、只充电和可充放电3类EV充电偏好的数学模型,并以日电能损耗和弃光电量的加权和最小为目标建立了直流配电网自适应滚动预测调度模型,通过实时EV集群的取车时间动态更新调度窗口,以满足每辆EV的期望电量需求;最后,建立了直流配电网分布式滚动预测调度模型,并采用交替方向乘子法实现分布式求解,以解决集中式调度通信量大的问题。仿真结果表明,通过对EV与直流配电网灵活性资源的协同调度可显著降低电能损耗、提升分布式电源接纳能力,同时,所采用的分布式算法具有良好的收敛性能和计算速度。; 关键词直流配电网电动汽车电压源型换流器滚动预测调度自适应模型预测控制交替方向乘子法; Keywords DC distribution network electric vehicle voltage source converter rolling predictive scheduling adaptive model predictive control alternating direction method of multiplier; 分类号 U491.8 [交通运输工程—交通运输规划与管理] TM721.1 [电气工程—电力系统及自动化] 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CNN与K-means聚类的非侵入式电器负荷识别方法被引量：5: 2; 作者李争王泽冯威安国庆王强陈贺; 机构河北科技大学电气工程学院河北省智能配用电装备产业技术研究院(石家庄科林电气股份有限公司); 出处《河北科技大学学报》 CAS 北大核心 2022年第4期365-373,共9页; 基金河北省重点研发计划项目(20311801D) 河北省高层次人才资助项目(A201905008)。; 文摘针对目前非侵入式负荷监测仅能识别单个家用电器、多种家用电器同时运行识别率低的问题,提出一种基于卷积神经网络(CNN)与K-means聚类结合的非侵入式家用电器识别方法。首先,通过改进的CUSUM边沿检测算法对获取的用户用电数据进行时间检测,提取负荷发生投切事件的功率波形;其次,通过高斯滤波法对提取的功率波形进行滤波处理,并将处理后的波形转化为像素图作为负荷特征库,一部分作为训练集用来训练K-means算法改进后的CNN模型,一部分作为测试集测试模型识别的精度;最后,利用搭建的实验平台进行实际测试分析。实验结果表明,所用模型对7种家用电器的识别率均为100%,验证了模型的有效性。通过K-means算法对卷积神经网络进行改进,增大相似特性负荷特征之间的区别,提高负荷辨识的准确率,为非侵入式负荷检测技术开发提供了参考。; 关键词电气测量技术及其仪器仪表非侵入式负荷监测卷积神经网络 K-MEANS聚类 CUSUM边沿检测; Keywords electrical measuring technology and its instrumentation non-intrusive load monitoring convolutional neural network(CNN) K-means clustering CUSUM edge detection; 分类号 TN958.98 [电子电信—信号与信息处理]; 在线阅读下载PDF 职称材料

题名基于随机森林-遗传算法-极限学习机的非侵入式负荷识别方法被引量：16: 3; 作者安琪王占彬安国庆李争陈贺李峥王耀强; 机构河北科技大学电气工程学院河北省智能配用电装备产业技术研究院(石家庄科林电气股份有限公司); 出处《科学技术与工程》北大核心 2022年第5期1929-1935,共7页; 基金河北省省级科技计划(20311801D) 2020年通用航空增材制造协同创新中心课题(15)。; 文摘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。; 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; Keywords non-intrusive load identification random forest(RF) feature selection genetic algorithm(GA) extreme learning machine(ELM); 分类号 TM925 [电气工程—电力电子与电力传动]; 在线阅读下载PDF 职称材料

题名基于K-means聚类与PSO特征优选KNN的分级负荷识别方法被引量：5: 4; 作者安琪梁宇飞王耀强王占彬李争李峥安国庆; 机构河北科技大学电气工程学院河北省智能配用电装备产业技术研究院(石家庄科林电气股份有限公司); 出处《河北科技大学学报》 CAS 北大核心 2022年第3期249-258,共10页; 基金河北省省级科技计划(20311801D) 2020年通用航空增材制造协同创新中心课题(15号)。; 文摘针对非侵入式负荷辨识中,单一V-I轨迹特征无法对相似的轨迹特征进行有效识别以及所提取特征易出现冗余甚至噪声特征的问题,提出了一种基于K-means聚类与PSO特征优选的分级非侵入式负荷识别方法。首先,利用K-means算法对负荷V-I轨迹的HOG特征进行初步分类,将轨迹相似的电器分为一类;然后,对每一类中的电器电流数据进行多维特征提取并采用PSO算法选取最优特征子集;最后,利用KNN模型进行二级负荷识别。实验结果表明,该方法有效提高了负荷识别准确率;提取V-I轨迹的HOG特征解决了同一电器V-I轨迹波动的问题;对一级分类后的每一大类单独进行PSO特征优选KNN二级分类,解决了部分电器对特征子集适应性差的问题。所提方法在一定程度上解决了冗余特征甚至噪声特征对辨识准确率的影响,为负荷特征的选取提供了新的思路,对负荷辨识的实际应用具有重要的参考意义。; 关键词电气测量技术及其仪器仪表非侵入式负荷辨识 V-I轨迹 HOG特征 K-means聚类分析特征优选; Keywords electrical measuring technology and its instrumentation non-invasive load identification V-I trajectory HOG features K-means clustering analysis feature selection; 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

题名基于CF-MF-SE联合特征的非侵入式负荷辨识被引量：5: 5; 作者安国庆梁宇飞蒋子尧李争安琪陈贺李峥王强白嘉诚; 机构河北科技大学电气工程学院河北省智能配用电装备产业技术研究院(石家庄科林电气股份有限公司); 出处《河北科技大学学报》 CAS 北大核心 2021年第5期462-469,共8页; 基金河北省省级科技计划资助(20311801D) 2020年通用航空增材制造协同创新中心课题(15号)。; 文摘针对目前非侵入式负荷辨识存在模型训练时间过长以及负荷特征相近的电器辨识精度不高的问题,提出了一种基于CF-MF-SE联合特征的非侵入式负荷辨识方法。以稳态电流信号为基础,通过提取峰值因数表征波形的畸变程度,采用裕度因子表征信号的平稳程度,谱熵表征频谱结构复杂程度,并结合PSO-SVM实现负荷辨识。结果表明,新方法可解决电器电流波形相近不易识别的难题,减少训练时间,有效提高识别准确率和效率。所提方法将振动信号特征作为负荷特征引入负荷辨识领域,为非侵入式负荷辨识技术的特征选取提供了新思路,其中谱熵作为对负荷敏感的关键特征,与其他特征组合可明显提高辨识率,为实际应用中负荷特征的灵活选择提供了参考。; 关键词电气测量技术及其仪器仪表非侵入式负荷辨识谱熵支持向量机粒子群优化; Keywords electrical measuring technology and its instrumentation non-intrusive load identification spectral entropy support vector machine particle swarm optimization; 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	作者	出处	发文年	被引量	操作
1	电动汽车与直流配电网协同的分布式自适应滚动预测调度	梁栋邱馨洁刘琪王笑雪王守相	《电力系统自动化》 EI CSCD 北大核心	2023	6	在线阅读下载PDF 职称材料
2	基于CNN与K-means聚类的非侵入式电器负荷识别方法	李争王泽冯威安国庆王强陈贺	《河北科技大学学报》 CAS 北大核心	2022	5	在线阅读下载PDF 职称材料
3	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	安琪王占彬安国庆李争陈贺李峥王耀强	《科学技术与工程》北大核心	2022	16	在线阅读下载PDF 职称材料
4	基于K-means聚类与PSO特征优选KNN的分级负荷识别方法	安琪梁宇飞王耀强王占彬李争李峥安国庆	《河北科技大学学报》 CAS 北大核心	2022	5	在线阅读下载PDF 职称材料
5	基于CF-MF-SE联合特征的非侵入式负荷辨识	安国庆梁宇飞蒋子尧李争安琪陈贺李峥王强白嘉诚	《河北科技大学学报》 CAS 北大核心	2021	5	在线阅读下载PDF 职称材料