-
公开(公告)号：CN113872190A
公开(公告)日：2021-12-31
申请号：CN202111109816.4
申请日：2021-09-18
Applicant: 国网甘肃省电力公司电力科学研究院 , 上海电力大学
Inventor： 王定美 , 李增尧 , 傅广努 , 沈渭程 , 胡浩然 , 吕清泉 , 杨秀 , 马彦宏 , 徐立成 , 韩旭杉 , 赵炜 , 甄文喜 , 刘丽娟 , 张金平 , 李津 , 高鹏飞 , 张彦琪 , 张睿骁 , 张健美 , 张珍珍
Abstract: 本发明涉及一种提高小信号系统计算效率的降维方法，包括以下步骤：1)建立永磁直驱风机经柔性直流输电并网系统的详细模型；2)通过特征值分析法对详细模型进行求解，得到状态矩阵的特征值；3)将特征值按照对系统的影响程度大小进行划分，按照时间尺度的方法剔除快速衰减的变量并保留缓慢衰减的变量；4)建立永磁直驱风机经柔性直流输电并网系统的降维模型；5)将详细模型的动态响应曲线与降维模型的动态响应曲线进行对比，验证降维模型的可靠性、一致性与相似性。与现有技术相比，本发明具有显著降低模型维度、提升计算效率、准确性高、实用性广等优点。
-
公开(公告)号：CN115271780A
公开(公告)日：2022-11-01
申请号：CN202210575825.0
申请日：2022-05-24
Applicant: 上海电力大学
Abstract: 本发明涉及一种基于深度学习的非侵入式负荷在线监控方法及其系统，该方法包括以下步骤：获取用电负荷历史数据；基于用电负荷历史数据，进行神经网络训练，得到非侵入式负荷监控模型；采集用电负荷实时数据，并对用电负荷实时数据进行预处理；利用非侵入式负荷监控模型对预处理后的用电负荷实时数据进行分解，得到监控结果并进行展示。与现有技术相比，本发明利用离线数据为深度学习模型提供学习标签预训练模型；通过后端Django框架实现采集数据处理及在线监控，并利用前端Vue‑ElementUI框架对负荷监控结果进行展示，能够充分考虑外界干扰因素，有效提高监测结果的实时性和准确性。
-
公开(公告)号：CN115169784A
公开(公告)日：2022-10-11
申请号：CN202210540762.5
申请日：2022-05-17
Applicant: 上海电力大学
Abstract: 本发明涉及一种基于迁移学习的小样本用户非侵入式负荷监控方法，获取若干用电设备的参考负荷数据，参考负荷数据包括所有用电设备的参考总能耗数据；将参考负荷数据分为基于公开数据集源域数据和基于实测居民用户数据的目标域数据；将源域数据输入深度神经网络进行预训练，对源域数据进行特征提取，获得负荷之间的复杂时空特征关系；将预训练好的模型参数迁移至目标域，实现目标域的负荷监控。所述的负荷监控结果为各个用电设备的开关状态，根据负荷监测结果分析所有用电设备的用电规律。与现有技术相比，本发明具有提高基于小规模数据的总能耗监控的准确率和精度等优点。
-
-
Search Results
3
records
(took 0.024 seconds)
