公开(公告)号：CN116859140A

公开(公告)日：2023-10-10

申请号：CN202310608352.4

申请日：2023-05-27

Applicant: 吉林大学

Inventor： 周求湛 ,  荣静 ,  王聪 ,  冀泽宇

IPC: G01R31/00 ,  G01R31/08

Abstract: 本发明公开了一种基于云边协同的非侵入式负荷监测数据在线压缩感知方法，所述方法包括如下步骤：步骤一、数据采集；步骤二、数据压缩采样；步骤三、稀疏表示；步骤四、数据重构；步骤五、负荷监测；步骤六、实时反馈控制。本发明通过在线字典学习，可以根据实时采集的负荷电流信号学习更符合当前信号的字典，从而能够更好地适应信号的时变性和非线性特点。同时，采用SAMP重构算法，通过稀疏度自适应进行信号重构。本发明的云边协同架构，解决了本地部署NILM硬件计算能力有限问题。同时通过本发明的在线压缩感知方法降低了通信带宽的占用，并提高了信号稀疏表示的能力以及重构信号的准确性。

公开(公告)号：CN116011513A

公开(公告)日：2023-04-25

申请号：CN202211626268.7

申请日：2022-12-15

Applicant: 吉林大学

Inventor： 周求湛 ,  李媛媛 ,  王聪 ,  荣静 ,  冀泽宇 ,  刘志宏

IPC: G06N3/0464 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的不平衡数据能耗分解方法，所述方法首先将数据集进行处理，然后通过一维卷积层进行特征提取，最后通过lstm层进行负荷分解。本发明针对目前不平衡数据集负荷分解准确率较低的现状，提供了一种基于深度学习的不平衡数据的能耗分解方法，该方法通过将不平衡数据集转换为平衡数据集，进而对其进行负荷分解，极大提高了不平衡数据集负荷分解的准确度。

公开(公告)号：CN116010866A

公开(公告)日：2023-04-25

申请号：CN202211740635.6

申请日：2022-12-31

Applicant: 吉林大学

Inventor： 周求湛 ,  李媛媛 ,  王聪 ,  荣静 ,  冀泽宇

IPC: G06F18/241 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/08 ,  G06Q50/06

Abstract: 本发明公开了一种基于transformer与深度学习的负荷数据能耗分解方法，所述方法包括如下步骤：步骤一：采集负荷数据并对数据集进行处理，删除样本中的异常值；步骤二：使用一维卷积神经网络CNN对功率序列进行卷积，依靠卷积中的卷积核进行功率特征的提取；步骤三、将LSTM与transformer融合在一起，建立transformerBCL模型，利用transformer充分提取特征中的信息，再利用LSTM对transformer提取出来的信息进行负荷分解。本发明通过将深度学习与transformer结合在一起，有效改善了负荷分解在低频时候的表现，提高了负荷分解在低频时候的精度。