-
公开(公告)号：CN118627017B
公开(公告)日：2025-01-28
申请号：CN202411103312.5
申请日：2024-08-13
Applicant: 杭州电子科技大学
IPC: G06F18/25 , G06F18/24 , G06F18/214 , G06F18/213 , G06F17/16 , G06Q50/06
Abstract: 本发明公开了一种基于低频采样和特征融合的非侵入式负荷识别方法。首先对低频采样的负荷数据进行事件检测，并根据投切点前后功率变化进行大小功率负荷事件分类；对有功功率信号建立格拉姆角场矩阵和功率绝对值信息矩阵，再通过矩阵融合的方式得到功率多维特征谱图。根据事件投入前的稳态功率值将负荷数据分为单电器负荷和组合电器负荷。针对单电器负荷，直接采用基于迁移学习的模型进行识别，并将结果作为先验知识，再根据组合电器负荷构建总负荷库。针对组合电器负荷，利用先验知识结合总负荷库，选择分负荷库中的样本组成样本对，一同输入孪生网络中。在新组合出现时，新建分负荷库对总负荷库进行更新，可以减少孪生网络识别组合电器的时间。
-
公开(公告)号：CN119131564A
公开(公告)日：2024-12-13
申请号：CN202411042518.1
申请日：2024-07-31
Applicant: 杭州电子科技大学
IPC: G06V20/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/096
Abstract: 本发明公开了一种基于传递迁移学习的非侵入式负荷识别方法。为更好挖掘负荷功率的时序信息，提高阻性负荷的差异，选取融合V‑I轨迹和格拉姆矩阵的图像作为负荷特征。由于ImageNet‑1K的图像标注质量高且覆盖类别广，故将其作为源域。分别选取老小区和新建小区的负荷为中间域和目标域。首先利用源域对ResNet50进行预训练，并通过少量中间域数据微调预训练模型的卷积层权重。将所得权重赋给目标域U‑Net网络中由ResNet50组成的编码器部分，再利用少量目标域数据训练U‑Net的所有权重。训练好的网络即可进行负荷识别。该方法解决了迁移学习中源域和目标域差异过大和新建小区负荷样本少导致识别精度不高的问题。
-
公开(公告)号：CN118627017A
公开(公告)日：2024-09-10
申请号：CN202411103312.5
申请日：2024-08-13
Applicant: 杭州电子科技大学
IPC: G06F18/25 , G06F18/24 , G06F18/214 , G06F18/213 , G06F17/16 , G06Q50/06
Abstract: 本发明公开了一种基于低频采样和特征融合的非侵入式负荷识别方法。首先对低频采样的负荷数据进行事件检测，并根据投切点前后功率变化进行大小功率负荷事件分类；对有功功率信号建立格拉姆角场矩阵和功率绝对值信息矩阵，再通过矩阵融合的方式得到功率多维特征谱图。根据事件投入前的稳态功率值将负荷数据分为单电器负荷和组合电器负荷。针对单电器负荷，直接采用基于迁移学习的模型进行识别，并将结果作为先验知识，再根据组合电器负荷构建总负荷库。针对组合电器负荷，利用先验知识结合总负荷库，选择分负荷库中的样本组成样本对，一同输入孪生网络中。在新组合出现时，新建分负荷库对总负荷库进行更新，可以减少孪生网络识别组合电器的时间。
-
公开(公告)号：CN117491730A
公开(公告)日：2024-02-02
申请号：CN202311459222.5
申请日：2023-11-03
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种非侵入式的近同时连续事件检测与电器分类方法，该方法首先基于累计和(Cumulative Sum，CUSUM)算法检测事件的发生，并利用符号条件和阈值设置来确定事件发生的具体时刻；采用自适应鲁棒波动阈值设置对大功率电器的假阳性事件进行排除；并基于波动检验以及变异参数判断确认小功率电器事件的发生。接着通过有功功率时间序列的一阶差分图像的分析对近同时连续开启或连续关闭事件进行检查。最后进行电器分类，为后续的非侵入式负荷监测提供可靠的依据。实验结果证明，本方法在事件检测的准确率方面相较于现有技术有较大的提升，同时也能够用较少的资源实现电器种类的准确分类。
-
-
-
Search Results
4
records
(took 0.025 seconds)
