-
公开(公告)号：CN111242391B
公开(公告)日：2023-10-31
申请号：CN202010152521.4
申请日：2020-03-06
Applicant: 云南电网有限责任公司电力科学研究院
IPC: G06F18/214 , G06F18/10 , G06Q50/06 , G06N20/00
Abstract: 本实施例提供的用于电力负荷识别的机器学习模型训练方法及系统，具体地以实测的电气参数数据为基础，将基础电气参数数据统一格式、训练及输入神经网络模型中不断优化，通过验证数据集中不断调整模型的参数从而选择最优模型，同时利用测试数据集评估模型的表现，以达到最优的效果，便于模型进一步被用于电力负荷的识别系统，本申请中的方法可以根据输入的采样数据训练模型从而实现根据特定的电压、电流、有功功率的波形采样数据等识别出正在使用的用电设备，因此本申请不需要人为进行手动调节参数以及进行特征提取，本申请可以自主学习并且自动获得识别电力负荷所需要的特征参数，从而提高了模型的适用范围，提高了电力负荷识别的准确率。
-
公开(公告)号：CN111884965A
公开(公告)日：2020-11-03
申请号：CN202010712266.4
申请日：2020-07-22
Applicant: 云南电网有限责任公司电力科学研究院
Abstract: 本发明公开一种基于全泄漏抑制的频谱校正方法及装置。本发明涉及通信技术领域，解决现有技术在泄漏量级较大下频谱校正失准的问题。本发明提供的一种基于全泄漏抑制的频谱校正方法及装置，通过基于最大旁瓣衰减窗频谱的线性比例递推特性，利用泰勒多项式扩展对谐波泄漏干扰分量进行参数化近似，结合对称共轭负频率频谱形成全泄漏等效模型，进而通过构建多谱线方程组，解析得到高精度多谱线插值的频率校正公式，突破了单频解析信号模型这一先决限制条件，有效解决了在泄漏量级较大下频谱校正失准的问题，从而达到在含谐波干扰的短时数据记录情况下信号参数的高精度估计。
-
公开(公告)号：CN111257815A
公开(公告)日：2020-06-09
申请号：CN202010150163.3
申请日：2020-03-06
Applicant: 云南电网有限责任公司电力科学研究院
Abstract: 本申请公开了一种高精度频谱校正方法，基于最大旁瓣衰减窗函数的临近频谱间的比例特性，将加权信号频谱实部和虚部拆分，仍能够分别进行三点插值计算。在得到实部和虚部两个归一化频率估计后再采用“数学平均”方式，这里处理方式经验证能够完全消除共轭负频率的泄露干扰，使得算法能够在任意采样窗口长度下实现高精度频偏估计。本发明提供的算法能够完全消除共轭负频率频谱泄露干扰，使得改进后的三点插值算法在任意采样窗口下实现高精度频谱校正。
-
公开(公告)号：CN111257815B
公开(公告)日：2022-04-05
申请号：CN202010150163.3
申请日：2020-03-06
Applicant: 云南电网有限责任公司电力科学研究院
Abstract: 本申请公开了一种高精度频谱校正方法，基于最大旁瓣衰减窗函数的临近频谱间的比例特性，将加权信号频谱实部和虚部拆分，仍能够分别进行三点插值计算。在得到实部和虚部两个归一化频率估计后再采用“数学平均”方式，这里处理方式经验证能够完全消除共轭负频率的泄露干扰，使得算法能够在任意采样窗口长度下实现高精度频偏估计。本发明提供的算法能够完全消除共轭负频率频谱泄露干扰，使得改进后的三点插值算法在任意采样窗口下实现高精度频谱校正。
-
公开(公告)号：CN111368440A
公开(公告)日：2020-07-03
申请号：CN202010153334.8
申请日：2020-03-06
Applicant: 云南电网有限责任公司电力科学研究院
IPC: G06F30/20 , G06F17/12 , G06F113/16
Abstract: 本发明公开一种基于多谱线插值的指数衰减正弦信号参数估计方法及装置，该方法通过推导衰减指数在最大旁瓣衰减窗频谱中的表达式，对衰减指数在最大旁瓣衰减窗频谱中的表达式进行一次近似，得到表达式的第一个一次近似式，对第一个一次近似式进行第二次一次近似，得到第二个一次近似式，根据窗函数加权系数，将第二个一次近似式进行第三次一次近似，得到第三个一次近似式，将第三个一次近似式转化为可求解的线性比例形式方程组，对可求解的线性比例形式方程组进行解析，得到复偏移量，对复偏移量进行转换，得到衰减指数和归一化数字频率，避免了校正精度过程中算法本身所涉及得性能误差扩散，降低了计算成本，能够达到在线应用要求。
-
Patent Agency Ranking
公开(公告)号：CN111274534A
公开(公告)日：2020-06-12
申请号：CN202010150216.1
申请日：2020-03-06
Applicant: 云南电网有限责任公司电力科学研究院
Abstract: 本申请公开了一种改进全泄漏抑制的短时DFT插值算法，在本申请中首先基于最大旁瓣衰减窗函数频谱的旁瓣一致衰减特性，在高精度近似基础上推导得到了其线性比例及递推特性。根据这种特性能够在谐波分量未知前提下，将其泄漏干扰进行有效参数化近似，且仅与被测频率谱线位置的级数线性相关，使其能够适用于后续多谱线插值校正的解析过程。再次利用最大旁瓣衰减窗函数频谱的线性比例特性，采用多谱线方程组解析得到与单频率信号插值校正类似的显示表达式，进而突破了单频解析信号模型这一先决条件对插值算法的限制。最后，分别对实部和虚部采用相同解析方式，得到对应解析解，进而采用数学平均方式进一步提高短时CiR下频谱校正精度。
-
公开(公告)号：CN111242391A
公开(公告)日：2020-06-05
申请号：CN202010152521.4
申请日：2020-03-06
Applicant: 云南电网有限责任公司电力科学研究院
Abstract: 本实施例提供的用于电力负荷识别的机器学习模型训练方法及系统，具体地以实测的电气参数数据为基础，将基础电气参数数据统一格式、训练及输入神经网络模型中不断优化，通过验证数据集中不断调整模型的参数从而选择最优模型，同时利用测试数据集评估模型的表现，以达到最优的效果，便于模型进一步被用于电力负荷的识别系统，本申请中的方法可以根据输入的采样数据训练模型从而实现根据特定的电压、电流、有功功率的波形采样数据等识别出正在使用的用电设备，因此本申请不需要人为进行手动调节参数以及进行特征提取，本申请可以自主学习并且自动获得识别电力负荷所需要的特征参数，从而提高了模型的适用范围，提高了电力负荷识别的准确率。
-
-
-
公开(公告)号：CN111382789B
公开(公告)日：2023-11-14
申请号：CN202010152529.0
申请日：2020-03-06
Applicant: 云南电网有限责任公司电力科学研究院
IPC: G06F18/241 , G06F18/214 , G06F18/21 , G06F18/15 , G06N3/0455 , G06N3/0464 , G06N3/08 , H02J3/00
Abstract: 本申请提供的基于机器学习的电力负荷识别方法及系统，以实测的电气参数数据包括电流、电压、和功率等为基础，将基础电气参数数据统一格式，在长时间针对电力负荷特征提取、采集、分析、归纳和训练的基础上，可以在已知一段时间的若干用电负荷总体基础电气参数数据包括电压、电流、有功功率、无功功率等的情况下，正确识别出正在使用的电器种类。因此本申请提供的用于电力负荷识别的机器学习模型训练方法及系统不需要人为手动调节参数，较传统方法相比如时域的波形匹配，特征点匹配以及谱分析等匹配准确率高，本申请可以自主学习并且自动获得识别电力负荷所需要的特征参数，从而提高模型的适用范围，提高电力负荷识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.041 seconds)
