期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于CNN和LSTM混合网络的直流充电桩功率模块优化
1
作者 何培东 陈维民 +3 位作者 白佳灵 邓舒予 谢智 丁熠辉 《自动化技术与应用》 2024年第11期51-55,共5页
直流充电桩内部功率变化动态性过强,不易捕捉及计算误差过大,提出基于CNN和LSTM混合网络的功率模块优化方法。根据充电桩电路工作原理,得到电路内部各项参数间存在的直接关联,根据该点采用三相电网平衡原理设计电力稳定控制函数,计算满... 直流充电桩内部功率变化动态性过强,不易捕捉及计算误差过大,提出基于CNN和LSTM混合网络的功率模块优化方法。根据充电桩电路工作原理,得到电路内部各项参数间存在的直接关联,根据该点采用三相电网平衡原理设计电力稳定控制函数,计算满足电压、电流以及功率最稳的调节比例系数,并作为调节点,建立CNN和LSTM混合网络多层次模型,计算有序、无序充放电过程的电力负荷变化,利用调节比例系数按照充电、放电所需功率需求完成优化。实验结果表明,所提方法的充电桩功率稳定,对充电桩的电压偏移量实现有效改善。 展开更多
关键词 CNN和LSTM混合网络 三相电网平衡原理 电力稳定控制函数 模型 直流充电桩
下载PDF
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:4
2
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
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
3
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
上一页 1 下一页 到第
使用帮助 返回顶部