基于迁移学习策略的非侵入式负荷监测方法研究

现有的非侵入式负荷监测算法在同一数据集中功率分解准确率上有了很大的提高,但模型泛化性差且跨数据集分解负荷误差较大。为此,探究负荷监测模型是否具有可迁移性,并研究一种基于迁移学习策略的负荷监测模型。该模型固定部分卷积网络层,实现负荷监测模型的微调迁移学习,通过试验验证固定层数对预测结果的影响,以及模型对不同电器的预测效果。相比传统的直接迁移模型,该模型有效降低各项设备的负荷分解误差,并且降低了模型对负荷训练样本数量的要求。

高速铁路联调联试组织管理优化研究

联调联试是高速铁路建设和开通运营前的重要组成部分和必要环节,采用测试列车和相关检测设备,对各系统间的功能、性能和系统间匹配关系进行调整和优化,使高速铁路整体系统达到设计要求。根据我国高速铁路联调联试组织管理工作中普遍存在涉及专业广、参与单位及人员多、不确定因素多、试验周期紧张等特点难点,从加强统一指挥、逐级管理,制定科学合理的试验方案,落实联调联试区段全封闭管理,调整优化试验流程等方面制定了相应的优化措施;结合近年来联调联试发展过程中积累的宝贵经验,提出组织管理过程中需重点关注的问题,为现阶段及未来我国高速铁路联调联试组织管理工作提供参考。