公开(公告)号：CN117216562A

公开(公告)日：2023-12-12

申请号：CN202311172238.8

申请日：2023-09-12

Applicant: 东南大学

Inventor： 孙睿晨 ,  董坤 ,  赵剑锋 ,  郭希瑞 ,  黄凌翔

IPC: G06F18/214 ,  G06F18/10 ,  G06F18/21 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提供一种基于概率扩散模型的电压暂降数据生成方法及系统，涉及电力技术和人工智能技术交叉领域。包括以下步骤：数据预处理步骤，对电压暂降数据样本进行预处理，构建原始数据集；模型训练步骤，利用原始数据集训练概率扩散模型，学习电压暂降数据的分布特征；模型采样步骤，利用训练后的概率扩散模型采样算法生成电压暂降数据；生成与评价步骤，将生成的电压暂降数据与原始数据集合并，并对合并后的数据集进行评估。该基于概率扩散模型的电压暂降数据生成方法，实现了具有描述电能质量暂降特征的数据生成，有效地解决了电能质量暂降数据小样本带来的问题。

公开(公告)号：CN116244597A

公开(公告)日：2023-06-09

申请号：CN202310160431.3

申请日：2023-02-24

Applicant: 东南大学

Inventor： 赵剑锋 ,  董坤 ,  孙睿晨

IPC: G06F18/214 ,  G06F18/21 ,  G06N3/08 ,  G06Q50/06 ,  G06N3/0464 ,  H02J3/48

Abstract: 本发明提供一种基于噪声推断模型的非侵入式负荷分解方法，涉及电力技术与人工智能领域。该基于噪声推断模型的非侵入式负荷分解方法，获取居民用电有功功率消耗数据；以滑动窗口法获取长度合适的功率数据序列；使用基于噪声弥散过程的训练算法进行深度学习模型的训练；从服从高斯分布的随机噪声出发，使用噪声推断算法还原出目标负荷元件功率曲线；本发明将非侵入式负荷分解处理为负荷元件功率曲线的条件生成任务，采用噪声推断模型对负荷元件功率数据的分布进行建模，相较于基于对抗生成网络的负荷分解算法，本发明提供了更为稳定的训练结构。

公开(公告)号：CN115526265A

公开(公告)日：2022-12-27

申请号：CN202211269012.5

申请日：2022-10-17

Applicant: 东南大学

Inventor： 赵剑锋 ,  董坤 ,  孙睿晨 ,  毛妍纯 ,  王琚珩 ,  刘东升 ,  金扬

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/06 ,  G06Q10/06

Abstract: 本发明公开了一种基于递进式学习结构的非侵入式负荷分解方法，包括以下步骤：采集房屋总有功功率和各目标电器有功功率数据；对数据进行预处理，构建数据集；利用所构建的数据集训练基于递进式学习结构的非侵入式负荷分解算法模型；将未知房屋的总有功功率输入基于递进式学习结构的非侵入式负荷分解算法模型，分解得到目标电器的功率消耗序列。本发明通过采用递进式学习结构和时间戳嵌入方法，增强了模型的特征提取能力，且丰富了模型的输入，显著提高了非侵入式负荷分解算法的准确度和泛化能力。