公开(公告)号：CN114970313B

公开(公告)日：2024-11-12

申请号：CN202210343618.2

申请日：2022-04-02

Applicant: 东南大学

Inventor： 王立辉 ,  邱亚娟 ,  王京 ,  张核

IPC: G06F30/27 ,  G06N3/0464 ,  G06N3/084 ,  G06Q50/06 ,  H02J3/00 ,  G06F113/04 ,  G06F119/08

Abstract: 本发明是一种基于自适应图卷积网络的非侵入式负荷分解方法，包括以下步骤:(1)形成由总负荷有功功率序列、总负荷电流序列和温度序列构成的总负荷特征序列；(2)对形成的总负荷特征序列进行滑动窗口分段；(3)耦合用户行为特征，对分段后的每段总负荷特征序列进行图建模；(4)将图数据进行划分并输入到AGCN模型中进行训练；(5)对输出目标电器功率曲线进行状态功率阈值判断获得电器状态。本发明依据所采集的传统负荷特征序列和温度形成新的序列，对形成的新的序列耦合用户行为特征进行图建模，通过基于空间注意力机制的切比雪夫图卷积网络充分提取负荷的稳态特征，进而对非侵入式负荷达到更为精准的分解。

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

IPC: G06F18/241 ,  G01R19/00 ,  G01R21/00 ,  G06F18/10 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06N3/096 ,  G06Q50/06

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。

公开(公告)号：CN114970313A

公开(公告)日：2022-08-30

申请号：CN202210343618.2

申请日：2022-04-02

Applicant: 东南大学

Inventor： 王立辉 ,  邱亚娟 ,  王京 ,  张核

IPC: G06F30/27 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/06 ,  H02J3/00 ,  G06F113/04 ,  G06F119/08

Abstract: 本发明是一种基于自适应图卷积网络的非侵入式负荷分解方法，包括以下步骤:(1)形成由总负荷有功功率序列、总负荷电流序列和温度序列构成的总负荷特征序列；(2)对形成的总负荷特征序列进行滑动窗口分段；(3)耦合用户行为特征，对分段后的每段总负荷特征序列进行图建模；(4)将图数据进行划分并输入到AGCN模型中进行训练；(5)对输出目标电器功率曲线进行状态功率阈值判断获得电器状态。本发明依据所采集的传统负荷特征序列和温度形成新的序列，对形成的新的序列耦合用户行为特征进行图建模，通过基于空间注意力机制的切比雪夫图卷积网络充分提取负荷的稳态特征，进而对非侵入式负荷达到更为精准的分解。