从用户侧电流数据中发现用电事件,对挖掘用户用电行为模式,提高用户侧用电管理水平具有重要意义。为及时有效地检测出单个电器下电流数据中蕴含的用户用电事件,设计基于聚类用户用电事件辨识模型。该模型在用户用电电流数据高频在线监...从用户侧电流数据中发现用电事件,对挖掘用户用电行为模式,提高用户侧用电管理水平具有重要意义。为及时有效地检测出单个电器下电流数据中蕴含的用户用电事件,设计基于聚类用户用电事件辨识模型。该模型在用户用电电流数据高频在线监测基础上,构建固定宽度电流序列片段,将电流序列中用电事件辨识问题视为电流序列片段集的聚类划分问题,并使用轮廓系数和精度2个指标进行性能评估。实验结果表明,相较基于k均值聚类、层次式聚类以及SOM(Self-Organizing Map)聚类等实现的用户用电事件辨识模型,基于DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法用户用电事件辨识模型可以高效辨识出高频电流序列中的用户用电事件。展开更多
基于使用智能插座对电路中的电流高频次监测、获得用户用电态势数据,对电流迁移态序列、电流迁移态序列特征的一元回归模型进行了研究.基于电流稳态序列ε片段、电流稳态序列片段,设计了电流迁移态序列的构造方法,提出使用一元回归模型...基于使用智能插座对电路中的电流高频次监测、获得用户用电态势数据,对电流迁移态序列、电流迁移态序列特征的一元回归模型进行了研究.基于电流稳态序列ε片段、电流稳态序列片段,设计了电流迁移态序列的构造方法,提出使用一元回归模型描述每一个电流迁移态序列,实现将长度不定的电流迁移态序列到维数固定的电流迁移态序列特征空间的映射.进一步,设计了基于微环境的粒子群优化算法(Microenvironment based Particle Swarm Optimization,MPSO),实现了电流迁移态序列一元回归特征的优化.实验表明:使用所提电流迁移态序列特征进行电器状态识别,平均可以达到97.93%的准确率,且相较PSO算法与CAPSO算法,MPSO算法在使用较少的粒子数达到与这两种算法一致精度的同时,使用时间显著降低.展开更多
文摘从用户侧电流数据中发现用电事件,对挖掘用户用电行为模式,提高用户侧用电管理水平具有重要意义。为及时有效地检测出单个电器下电流数据中蕴含的用户用电事件,设计基于聚类用户用电事件辨识模型。该模型在用户用电电流数据高频在线监测基础上,构建固定宽度电流序列片段,将电流序列中用电事件辨识问题视为电流序列片段集的聚类划分问题,并使用轮廓系数和精度2个指标进行性能评估。实验结果表明,相较基于k均值聚类、层次式聚类以及SOM(Self-Organizing Map)聚类等实现的用户用电事件辨识模型,基于DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法用户用电事件辨识模型可以高效辨识出高频电流序列中的用户用电事件。
文摘基于使用智能插座对电路中的电流高频次监测、获得用户用电态势数据,对电流迁移态序列、电流迁移态序列特征的一元回归模型进行了研究.基于电流稳态序列ε片段、电流稳态序列片段,设计了电流迁移态序列的构造方法,提出使用一元回归模型描述每一个电流迁移态序列,实现将长度不定的电流迁移态序列到维数固定的电流迁移态序列特征空间的映射.进一步,设计了基于微环境的粒子群优化算法(Microenvironment based Particle Swarm Optimization,MPSO),实现了电流迁移态序列一元回归特征的优化.实验表明:使用所提电流迁移态序列特征进行电器状态识别,平均可以达到97.93%的准确率,且相较PSO算法与CAPSO算法,MPSO算法在使用较少的粒子数达到与这两种算法一致精度的同时,使用时间显著降低.
