基于组合赋权云模型的起重机绿色评价方法

针对起重机绿色程度的评价问题,文中提出了一种基于组合赋权云模型的起重机绿色评价方法。首先综合考虑半门式起重机的结构特征、作业特点及其全生命周期,从生产阶段、服役阶段和报废回收3个方面,根据相应的指标选取原则构造出包括目标层、准则层和因素层的多级评价指标体系。其次,采用AHP-CRITIC法对各层评级指标进行权重赋值,并利用云模型处理专家评判数据,同时结合欧式相似度获取评价指标体系的隶属度。最后以某在役半门式起重机为例对该方法进行了验证,结果表明该起重机绿色度较好,但仍可通过相应措施提升整机的绿色程度。

基于EEMD与CNN模型的多标签负荷识别方法

识别用户用电负荷组成与用电行为是智能电网技术发展的重要研究内容之一。本文提出了一种基于集合经验模态分解(EEMD)结合卷积神经网络(CNN)的多标签负荷识别方法,实现对用户负荷有效的非侵入式监测。首先从检测到事件的聚合测量数据中提取单周期电流波形,应用集合经验模态分解将电流分解为两种模态分量,接着应用欧氏距离相似度函数将分解后的电流转化为二维矩阵表示,通过CNN多标签分类器自动提取矩阵的有效特征,最后利用公开数据集对所提出的方法进行了实验验证。结果表明,基于EEMD处理后的负荷识别准确率高,能够有效地实现多标签负荷识别。