|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于新型卷积神经网络的非侵入式负载监测方法显示文摘现有非侵入式负载监测技术处理负载规模变化的能力弱,且随着负载的种类复杂化与数量的增多,其具有估计精度不高的问题。建立了一种考虑用户用能多时间尺度耦合特性,并具有规模化处理能力的新型卷积神经网络,以提高复杂规模化负载估计的精确性。该神经网络包括多时间尺度感知与特征提取模块、自我关注模块和对抗损失模块等,多时间尺度感知与特征提取模块可获取与整合不同时间尺度负载数据的耦合特征,自我关注模块和对抗损失模块根据耦合特性来进一步提高监测模型的估计精度。最后,通过仿真分析验证了所提方法的有效性和优越性。 | 马临超 杨捷 肖鹏 曾杰 | 2022 | 智慧电力2022，50，4： | 8 |
| 2 | 基于KM算法投切事件匹配的负荷辨识方法显示文摘负荷投切事件是关联负荷分类、辨识的一个重要依据,为了能够准确地实现非侵入式负荷投切过程的辨识,提出一种基于KM算法投切事件匹配的非侵入式负荷辨识方法。该方法采用一种功率曲线拟合逼近的方式进行负荷事件检测,并利用投切稳态特征建立用电设备投入和切除特征的概率分布模型。同时,考虑到负荷投入事件和切除事件数量不对等情况,将负荷事件与数据库负荷进行匹配,并采用加权优化的KM算法寻找最佳解,从而实现负荷投入和切除的正确匹配辨识。在真实的测试场景并结合REDD数据集进行实验,结果表明,文中方法可对负荷投切事件进行有效匹配辨识,为实现能耗细分奠定了基础。 | 胡悦 胡文山 王晓文 周东国 | 2023 | 电测与仪表2023，60，11： | 1 |
| 3 | 基于SA-SAE的配电网故障分类方法显示文摘准确识别故障类型是配电网故障处理的首要任务。基于特征融合和自注意力机制,提出了一种具有强抗噪声能力和高泛化水平的配电网故障分类方法。利用S变换构造故障信号的时频矩阵,对其进行奇异值分解提取频域特征量,与表征波形形态特征相关性的时域特征量相融合组成时频域特征量。将特征量输入稀疏自动编码器,引入自注意力机制提高特征提取能力,最终完成故障分类识别。仿真结果表明,所提方法在不同故障位置、故障相角和过渡电阻条件下可实现对配电网故障类型的较高正确率识别,且在噪声干扰、中性点运行方式发生变化情况下具有良好的应用适应性。 | 朱方博 张俊林 王瑞驰 汤智谦 倪良华 吕干云 | 2023 | 电气自动化2023，45，2： | 1 |
| 4 | 基于通道注意力机制和BIGRU的非侵入式负荷分解方法显示文摘针对目前负荷监测领域存在模型分解准确率低、训练周期长、泛化性能差的问题,文章构建了基于通道注意力机制和双向门控循环单元的非侵入式负荷监测模型,利用搭建的序列到点编码–解码结构,将智能电表入口处总功率序列与待测目标设备序列中点在模型上进行映射训练。使用功率嵌入层对负荷序列的输入过程进行优化,将离散的负荷总功率序列通过功率嵌入矩阵映射到高维紧密向量空间;采用一维卷积神经网络提取负荷序列的局部特征,双向门控循环单元提取负荷的长序列依赖关系,同时融合通道注意力机制强化对目标设备重要信号特征的学习,挖掘目标设备状态与负荷功率之间的关联。在基于能量分解模型基准框架下,利用公开数据集REDD和UK-DALE进行实验,与现有两种典型负荷分解模型进行比较分析,实验结果表明,文章构建的模型在减少网络训练时间和参数的前提下,有效检测了目标设备的开关状态,显著提升了负荷分解准确性。 | 钱玉军 包永强 姜丹琪 张旭旭 雷家浩 | 2023 | 电力信息与通信技术2023，21，7： | 0 |
| 5 | 基于Fisher-SVM特征选择的负荷辨识研究显示文摘针对当前非侵入式负荷辨识中不同设备特征选择上主观性、盲目性的问题,提出基于Fisher-SVM特征选择的非侵入式负荷辨识算法。首先,基于高频采样终端提取入户侧电流、电压原始数据,使用傅里叶变换对原始信号分解得有功、无功及谐波时间序列;其次,将负荷波形分为4个阶段并计算得到负荷波形暂稳态特征;然后,通过Fisher-SVM算法在不同分类器中对特征进行选择,得到最优分类特征子集,并利用Sigmoid函数对结果进行概率校准;最后,根据贝叶斯理论对各分类器进行融合从而实现对不同负荷的辨识。以3类台区831户实际用户进行算法测试。结果表明,该算法能够有效利用不同电器负荷印记的独特性,克服特征选择上的盲目性,提高负荷辨识能力。 | 栾开宁 杨世海 黄艺璇 方凯杰 程含渺 黄时 | 2023 | 电力科学与技术学报2023，38，4： | 0 |
| 6 | 非侵入式电力大数据服务公共社会安全研究显示文摘公安部门一直致力于服务公共社会安全,但安全隐患的发生逐渐呈现出隐蔽化的特点,这对公安部门的工作提出新的挑战。为消除安全隐患,保障人民群众的生命财产安全,该文设计出一种非侵入式电力大数据采集系统,该系统不侵入用户内部施工,且结合大数据容量大、类型多、存取速度快、应用价值高的特点,对所监测区域的电能进行整合,可以快速发现区域内用电异常情况,最大限度地协助用户消除安全隐患。 | 薛菁 谭泽富 蔡黎 李帅 雷国平 张望 王海 | 2023 | 科技资讯2023，21，1： | 0 |
| 7 | 基于随机森林非侵入式负荷分解的地区居民需求响应能力评估显示文摘需求响应在缓解供电不足、促进新能源消纳以及节约发电侧的资源投资方面意义重大,而需求响应能力评估可以为需求响应策略的制定提供依据。为解决需求响应能力评估困难的问题,本文提出一种基于非侵入式负荷分解的地区居民响应能力评估的方法。首先建立基于随机森林算法的非侵入式负荷分解模型,再使用该模型针对性的分解出单个用户的可中断负荷,然后基于可中断负荷的用电情况计算出单个用户在各个时刻的响应能力,最后再将区域内的所有用户聚合即可得到地区居民总的响应能力。在真实数据集上进行验证,结果表明所提出的基于随机森林非侵入式负荷分解模型可以更精确地得到用户可中断负荷的有功功率值,地区有功功率聚合误差也更小,可以较好地进行需求响应能力评估。 | 张彦 李庆生 李震 朱永清 尹佳 | 2023 | 电力大数据2023，26，5： | 0 |
| 8 | 一种基于融合决策TOPSIS模型的NILM算法评价显示文摘由于应用场景不同、负荷设备多样等问题,准确率等单一因素在评价算法时易造成评价结果畸形,且不易察觉纠正,从而无法综合有效地评价非侵入式算法性能。为此,文章提出一种基于融合决策的TOPSIS模型,以多种评价指标构建评价体系,采用基于AHP和变异系数法的融合权重,兼顾专家经验、工程需求和数据客观规律,避免单一的主观赋值造成具有明显差异的指标数据被忽略,以及单一的客观赋值夸大数据误差波动,利用逼近于理想解的排序方法,计算评价对象与正负理想解的接近程度,得到算法综合排序结果。实验结果表明所提评价模型能够有效评价算法性能,为非侵入式负荷辨识算法的综合评价提供一种新的解决方案。 | 王雅倩 周东国 胡文山 | 2022 | 电测与仪表2022，59，2： | 0 |
| 9 | 基于多注意力机制集成的非侵入式负荷分解算法显示文摘针对输入负荷特征对分解结果的重要程度不同,以及长短时记忆网络(LSTM)在捕捉长时间用电信息的时间依赖性方面受限导致分解误差高等问题,提出一种基于多注意力机制集成的非侵入式负荷分解算法.首先,利用概率自注意力机制对一维空洞卷积提取到的负荷特征进行优化处理,实现重要负荷特征的遴选;其次,采用时间模式注意力机制对LSTM的隐状态赋予权重,从而增强网络对长时间用电信息之间的时间依赖性的学习能力;最后,利用公开数据集UKDALE和REDD对所提分解模型的有效性和创新性进行验证.实验结果表明,与其他多种现有分解算法相比,基于多注意力机制集成的分解算法不仅具备更好的负荷特征遴选能力,而且能更加精确地建立特征之间的时间依赖关系,有效降低了分解误差. | 王赟 葛泉波 姚刚 王梦梦 姜淏予 | 2023 | 南京信息工程大学学报(自然科学版)2023，15，3： | 0 |
| 10 | 基于XGBoost的非侵入式负荷分解显示文摘为提高非侵入式负荷分解的准确率,更准确地挖掘电力用户的用电信息,提出了基于机器学习XGBoost算法的非侵入式负荷分解方法。以决策树中的回归树模型为基础,通过梯度提升树得到由回归树构成的强评估器。同时,以损失函数和模型复杂度为目标函数,并引入叶子结点,得到更准确的XGBoost非侵入式负荷识别模型。在公开数据集(Referenceenergy disaggregation data set,REDD)上对模型进行了验证。结果表明,所提方法能大幅提高非侵入式负荷识别的准确性。 | 欧飞 刘敏 | 2023 | 电力科学与工程2023，39，5： | 0 |
| 11 | 基于多特征联合稀疏表达的SOM-K-means非侵入负荷辨识显示文摘非侵入负荷监测是全面感知负荷数据及能效优化的有效途径。当前非侵入式负荷监测算法的主要观测对象是具有调控潜力的负荷,但对于其中功率较小、负荷曲线相似的电器辨识准确率还不够理想,算法对先验数据的依赖程度较高。基于此,提出一种基于多特征联合稀疏表达的SOM-K-means非侵入式负荷辨识算法,该算法利用负荷特征训练得出最优字典,结合最优字典与多特征联合稀疏表示构建目标函数,求解多特征联合稀疏矩阵,克服了单类负荷特征限制识别负荷种类的问题;将多特征联合稀疏矩阵作为输入,结合自组织(self-organizing map,SOM)神经网络优化的Kmeans算法与平均绝对误差值进行快速辨识。最后,利用PLAID数据集进行了实验验证,结果表明,所提算法仅需迭代120次辨识准确率即可达到90%,提高了算法收敛速度,证明了该方法能够准确高效地实现负荷辨识。 | 严萌 于雅雯 王玲静 杜宇 武昕 | 2023 | 电力建设2023，44，5： | 0 |
| 12 | 基于递进式模型结构和时间信息嵌入的非侵入式负荷分解显示文摘现有的非侵入式负荷监测算法对多时间尺度的用电规律缺乏关注,且存在电器状态误判率高和功率预测误差大的问题。对已有模型在学习框架、信息嵌入和损失函数3个方面进行优化,提出一种基于递进式模型结构和时间信息嵌入的负荷分解方法。模型由预分解模块和功率预测模块构成,递进地完成判断电器开关状态与估计功率值2个任务。2个模块的网络结构均基于Transformer设计,使用不同的复合损失函数优化。另外,提出了多尺度时间信息编码及嵌入方法,增强模型对用电行为特征的提取能力。基于居民用电数据集REDD和UKDALE的测试结果验证了该方法的有效性。 | 孙睿晨 董坤 赵剑锋 毛妍纯 | 2024 | 智慧电力2024，52，2： | 0 |
| 13 | 基于ICPSO-XGBoost的非侵入式负荷辨识方法显示文摘针对家庭用电负荷的电气特征相近导致基于电气量特征的非侵入式负荷辨识方法易产生误辨识的问题,提出以电器投切时间、运行时长和投切次数为代表的电器使用规律特征,结合传统电气负荷特征组合成为新的负荷特征标签。在此基础上,提出一种基于改进混沌粒子群优化的极端梯度提升树算法。在该算法中,利用回归树作为负荷特征的基分类器构建极端梯度提升树模型。进一步地,通过在目标函数中加入正则项,添加缩减系数等措施避免算法陷入过拟合。同时,将混沌思想应用于粒子群算法中提升其全局寻优能力,并得到基于改进混沌粒子群优化后的极端梯度提升树算法模型。在AMPds公用数据集上进行测试,通过对比分析测试结果,验证了文中所提出的负荷特征标签和负荷辨识算法对提升非侵入式负荷辨识的有效性。 | 谢耀锋 周洪 周东国 | 2023 | 电测与仪表2023，60，8： | 0 |
| 14 | 新型电力系统下电力用户的需求响应潜力评估显示文摘需求响应(Demand Response,DR)是在用户进行电力消费环节,通过价格信号或激励措施使得用户改变用电模式,对推动电力市场化改革、减少电网供电压力意义重大。文章分析总结了新型电力系统下需求响应的特点,在此基础上从用户负荷、用户参与意愿度、智能化水平和经济性4个维度构建了DR潜力评估指标体系;利用层次分析法和CRITIC法来确定各指标的主观权重和客观权重,求取组合权重;建立改进物元可拓模型,并应用所建立指标体系和评估模型对实际调研的10个用户响应潜力进行评估排名,证明了所提方法的科学性与有效性。采用简化后的模型对96个用户进行潜力评估,并比较在不同补贴激励下的潜力大小。结果表明,对于价格敏感性用户,补贴激励越高,用户的响应潜力越大。 | 王樊云 刘敏 李庆生 陈巨龙 李震 | 2023 | 电测与仪表2023，60，8： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员