一种基于分层残差图神经网络的非侵入式负荷分解方法

    公开(公告)号:CN118822390A

    公开(公告)日:2024-10-22

    申请号:CN202410958984.8

    申请日:2024-07-17

    Applicant: 东南大学

    Inventor: 王立辉 丁宁

    Abstract: 一种基于分层残差图神经网络的非侵入式负荷分解方法,数据采集,采集家庭入户处总有功功率值以及家庭内各用电器的有功功率消耗值;数据预处理,对采集到的数据进行时间戳对齐、缺失值填充、数据分割以及归一化处理;图数据构建,提取基于多时间尺度节点特征矩阵以及时间关系与特征关系的邻接矩阵,生成混合关系图数据;模型搭建与训练,搭建基于耦合分层图卷积块与混合注意力池化块的负荷分解模型,将混合关系功率图数据输入到分层残差图神经网络中进行训练;负荷分解,使用总有功功率作为输入,获得各目标设备功率曲线。本发明通过基于递进变化图结构的分层残差图神经网络提取负荷数据特征,实现目标设备的高精度功率分解。

    基于EMD与AlexNet的非侵入式负荷识别方法

    公开(公告)号:CN115758246A

    公开(公告)日:2023-03-07

    申请号:CN202211451964.9

    申请日:2022-11-21

    Applicant: 东南大学

    Inventor: 王立辉 王京 丁宁

    Abstract: 基于EMD与AlexNet的非侵入式负荷识别方法,具有识别准确度高,占用计算空间小等特点。1、对居民用电数据信息进行预处理,提取电器运行电气信息;2、对电器运行的电气信息进行特征提取,利用经验模态分解方法(EmpiricalModeDecomposition,EMD)方法对采集到的非平稳信号进行处理,提取出电器运行的时间序列信息,其中包括对应时间点下电流、电压、有功功率、功率因数四项数据,形成电器运行的时间序列信息;3、采用神经网络理论,用训练好的AlexNet神经网络,对电器的时间序列信息进行负荷识别;4、采用神经网络算法及非侵入式负荷识别技术,分析汇合电压、电流、有功功率、功率因数等信息,根据电器运行时间序列信息,获得各个支路上电器运行信息。

    一种基于相位敏感光时域反射计的铁轨异物入侵监测方法

    公开(公告)号:CN106741009A

    公开(公告)日:2017-05-31

    申请号:CN201710003630.8

    申请日:2017-01-05

    Applicant: 东南大学

    CPC classification number: B61L23/041

    Abstract: 本发明提出了一种基于相位敏感光纤传感技术(Φ‑OTDR)的铁轨异物入侵监测方法。该方法采用Φ‑OTDR采集铁轨一段时间内的原始信号,对原始信号进行滤波处理、短时傅里叶变换和自回归模型谱估计处理;通过提取和分析信号的频率特征,来判定监测铁轨路段上任意位置点是否有事件发生,通过对该位置点前后位置点是否有事件的判断来区分正常列车行驶和异物入侵事件。该方法仅使用现有轨旁光缆,无需额外的施工工作量,具有安装简单、维护成本低、抗干扰能力强,可实现大范围分布式检测等诸多优点,对于铁路系统安全运行和防灾安全监测具有重要的潜在应用价值。

Patent Agency Ranking