基于图像分类网络的非侵入式负荷辨识算法的运算成本优化

目前基于图像分类网络的非侵入式负荷辨识算法可达到较高的辨识准确率,但存在较严重的参数冗余,引发了不必要的运算成本。对此类算法的运算成本进行优化,提出一种基于灰色编码的设备特征组合方法,以减少算法中设备特征的参数冗余;然后使用轻量级图像分类网络ZFNet构建设备辨识模型,并引入Inception模块来减少模型中卷积层输出的参数冗余,同时基于仿真实验结果对模型中全连接层的结构和参数进行适应性调整,以减少模型的参数冗余,最后使用PLAID数据集进行算例分析。结果表明:相比于同类算法,所提算法在设备特征的参数量上减少了66.7%~67.5%,在模型的参数量上减少了90%~97.1%,在整体运算量上的变动为-91.7%~6.1%。

基于设备模型辨识的新能源电力系统共模频率特征量化

实际电力系统存在部分设备模型不准确与“黑箱化”的问题,使得现有频率特征量化研究的应用场景受限。为此,提出一种利用测量数据辨识设备模型并将其简化为统一结构模型以量化最低点等系统频率特征的方法。采用输出误差模型描述待辨识设备,基于测量所得设备并网接口功率、频率数据,结合辅助变量法以及高斯-牛顿法估计模型参数。进一步地,结合系统实际工况将已辨识得到的发电设备模型简化为微分-比例-一阶滞后3个环节组成的统一结构以简化频率响应分析,进而量化频率平均变化率及频率最低点等频率特征。最后,通过仿真验证了基于设备模型辨识的新能源电力系统共模频率特征量化方法的有效性。

基于相位角差异化辨识用电设备的智能插座探讨

传统的智能插座对用电设备的辨识只能通过用户在APP端上的自主定义或者处于无辨识状态。本设计主要根据不同用电设备其负载类型不同所表现的电压电流相位角差异化进行用电设备的类别辨识。同时为改善基础模型仅在终端进行泛化识别的缺陷,在后期设计展望部分采用云端部署自主监督学习的神经网络算法模型进行识别以实现对识别模型准确度的不断迭代。

一种基于最小二乘法的配网设备参数辨识方法

为了提高配电网损耗计算的准确性,提出了一种配网设备参数的辨识方法。利用配电网有限的实时量测数据,对配电网不同类型的节点建立参数辨识方程,并采用最小二乘法在线估计配电网设备参数。基于图论思想对配电网按节点类型进行分层处理,分层求解配电网设备参数,并计算各支路损耗。算例分析表明,所提出的配网设备参数辨识方法实用、有效性强,能提高配电网损耗计算的准确性,有利于配网节能改造工作的开展。

事件检测类非侵入式负荷监测算法综述

非侵入式负荷监测(NILM)可实现设备级用电数据的自动监测,是数字电网建设中传感量测环节的重要技术之一。文中对事件检测类NILM算法的研究成果进行了综述。首先,对事件检测类NILM算法进行界定,对其与组合优化类NILM算法的技术差异进行对比分析;接着,对事件检测类NILM算法的流程及一般方法进行了整理和分类评述;然后,按照事件检测类NILM算法流程的顺序,分别从事件检测、特征提取、设备辨识3个角度对提升事件检测类NILM算法性能的关键技术进行梳理;最后,对事件检测类NILM算法常用性能评估指标进行总结,并对事件检测类NILM算法的未来研究方向进行展望。

数字多媒体取证技术综述

数字多媒体取证是信息安全一个刚刚兴起的研究领域,研究数字多媒体取证技术对确保多媒体数据的可靠性有着极其重要的意义。以数字图像取证为代表,从篡改检测、来源辨识、真实性鉴定、设备成分取证以及多媒体取证方法的可靠性等五个方面对现有数字多媒体取证技术进行综述,重点介绍了典型算法,并指出当前研究中存在的一些主要问题,给出本领域未来的研究方向。

中医体质研究述评

通过回顾近40余年中医体质研究现状,并梳理相关文献,发现现代中医体质研究较之古代中医,呈现出系统化、广泛化、多样化、现代化与客观化等特点。但在研究当中,也存在不少问题,如部分研究样本量较少,研究设计不够严谨,无法严格区分中医体质与疾病中医辨证,客观设备与量表之间的差异等。为此提出对中医体质研究的一些建议与展望,助力今后更客观、更实用的中医体质研究。