期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于设备特征多层优选和CNN⁃NLSTM模型的非侵入式负荷分解
被引量:
2
1
作者
王家驹
王竣平
+4 位作者
白泰
张然
丁熠辉
杨林
张姝
《电力科学与技术学报》
CAS
CSCD
北大核心
2023年第1期146-153,共8页
非侵入式负荷分解技术可以有效挖掘用户侧设备信息,是电网开展用户负荷互动响应的基础。针对目前非侵入式负荷分解模型适应性较差及准确率较低等问题,提出一种基于设备特征多层优选的非侵入式负荷分解模型。首先,针对设备运行特性设计...
非侵入式负荷分解技术可以有效挖掘用户侧设备信息,是电网开展用户负荷互动响应的基础。针对目前非侵入式负荷分解模型适应性较差及准确率较低等问题,提出一种基于设备特征多层优选的非侵入式负荷分解模型。首先,针对设备运行特性设计自适应滑动数据窗,进而获取到更加完整的设备功率片段,同时调整网络输入输出维度;其次,通过融合浅层卷积神经网络(CNN)与两层嵌套长短时记忆网络(NLSTM)提取并加深设备特征;然后,将其输入到改进的注意力机制中,通过调配特征权重,获得最优的设备特征序列;最后,在REDD数据集上进行实验分析,通过对设备特征多层选择、加深与复用在减小训练时间的同时,显著地提升负荷分解的准确率。
展开更多
关键词
非侵入式负荷分解
自适应滑动窗
卷积神经网络
嵌套长短时记忆网络
改进注意力机制
下载PDF
职称材料
多特征提取与深度学习关口计量装置异常事件识别方法
被引量:
6
2
作者
徐严军
吴蒙
+4 位作者
白佳灵
丁熠辉
谢智
卢宏
肖先勇
《中国测试》
CAS
北大核心
2021年第5期104-111,共8页
针对现有研究对关口计量装置定期检修会造成人力物力的浪费,以及通过指标赋权进行打分受人工干预较明显等不足,该文基于用户用电采集系统中的异常事件数据,提出一种多特征提取与深度学习相结合的关口计量装置异常事件识别的方法。通过...
针对现有研究对关口计量装置定期检修会造成人力物力的浪费,以及通过指标赋权进行打分受人工干预较明显等不足,该文基于用户用电采集系统中的异常事件数据,提出一种多特征提取与深度学习相结合的关口计量装置异常事件识别的方法。通过分析不同计量异常事件反映出的数据异常形式,从不同维度提取14个特征,并将归一化后的特征作为深度学习模型的输入。在此基础上,通过无监督的预训练和有监督微调构建深度学习模型,自动学习得到输入特征与类别标签之间的非线性映射关系,构建出能识别关口计量装置异常事件的分类识别模型。通过某地区电网多个关口计量装置终端的数据对所提方法进行验证,结果证明所提方法能够准确识别出不同的异常事件,且具有良好的鲁棒性。
展开更多
关键词
关口计量装置
异常事件
特征提取
堆叠自动编码器
状态评价
下载PDF
职称材料
题名
基于设备特征多层优选和CNN⁃NLSTM模型的非侵入式负荷分解
被引量:
2
1
作者
王家驹
王竣平
白泰
张然
丁熠辉
杨林
张姝
机构
国网四川省电力公司计量中心
四川大学电气工程学院
出处
《电力科学与技术学报》
CAS
CSCD
北大核心
2023年第1期146-153,共8页
基金
国家电网四川电力公司科技项目(52199720003P)。
文摘
非侵入式负荷分解技术可以有效挖掘用户侧设备信息,是电网开展用户负荷互动响应的基础。针对目前非侵入式负荷分解模型适应性较差及准确率较低等问题,提出一种基于设备特征多层优选的非侵入式负荷分解模型。首先,针对设备运行特性设计自适应滑动数据窗,进而获取到更加完整的设备功率片段,同时调整网络输入输出维度;其次,通过融合浅层卷积神经网络(CNN)与两层嵌套长短时记忆网络(NLSTM)提取并加深设备特征;然后,将其输入到改进的注意力机制中,通过调配特征权重,获得最优的设备特征序列;最后,在REDD数据集上进行实验分析,通过对设备特征多层选择、加深与复用在减小训练时间的同时,显著地提升负荷分解的准确率。
关键词
非侵入式负荷分解
自适应滑动窗
卷积神经网络
嵌套长短时记忆网络
改进注意力机制
Keywords
non‑intrusive load disaggregation
adaptive sliding data window
convolutional neural network
nested long and short‑term memory network
improved attention mechanism
分类号
TM714 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
多特征提取与深度学习关口计量装置异常事件识别方法
被引量:
6
2
作者
徐严军
吴蒙
白佳灵
丁熠辉
谢智
卢宏
肖先勇
机构
国网四川省电力公司计量中心
四川大学电气工程学院
出处
《中国测试》
CAS
北大核心
2021年第5期104-111,共8页
文摘
针对现有研究对关口计量装置定期检修会造成人力物力的浪费,以及通过指标赋权进行打分受人工干预较明显等不足,该文基于用户用电采集系统中的异常事件数据,提出一种多特征提取与深度学习相结合的关口计量装置异常事件识别的方法。通过分析不同计量异常事件反映出的数据异常形式,从不同维度提取14个特征,并将归一化后的特征作为深度学习模型的输入。在此基础上,通过无监督的预训练和有监督微调构建深度学习模型,自动学习得到输入特征与类别标签之间的非线性映射关系,构建出能识别关口计量装置异常事件的分类识别模型。通过某地区电网多个关口计量装置终端的数据对所提方法进行验证,结果证明所提方法能够准确识别出不同的异常事件,且具有良好的鲁棒性。
关键词
关口计量装置
异常事件
特征提取
堆叠自动编码器
状态评价
Keywords
gateway metering device
abnormal event
feature extraction
stacked auto-encoder
status evaluation
分类号
TM71 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于设备特征多层优选和CNN⁃NLSTM模型的非侵入式负荷分解
王家驹
王竣平
白泰
张然
丁熠辉
杨林
张姝
《电力科学与技术学报》
CAS
CSCD
北大核心
2023
2
下载PDF
职称材料
2
多特征提取与深度学习关口计量装置异常事件识别方法
徐严军
吴蒙
白佳灵
丁熠辉
谢智
卢宏
肖先勇
《中国测试》
CAS
北大核心
2021
6
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部