基于人工神经网络的非侵入式居民用电负荷识别方法

非侵入式居民负荷识别技术的应用推动了家庭智能用电技术的发展,它能对居民用户的负荷组成成分进行深入分析,从而获取不同精细程度的用户用电信息,对于电力用户和电网公司都具有重要意义。负荷识别问题的数学模型较为复杂,导致数学优化算法在进行负荷识别时的求解效率较低。首先提出一种基于人工神经网络的非侵入式负荷识别模型,利用该模型训练好用于识别各类家用电器的神经网络并由此构成负荷特征识别库,用于判断家用电器的工作状态;然后通过仿真证明了所提方法的有效性;最后为了解决非侵入式居民负荷识别的应用问题,进一步探讨了非侵入式负荷识别的高级应用。     

基于谐波特征和BSA优化的非侵入式负荷识别算法研究

用户负荷特性及用电行为的监测与识别是电网智能化发展的重要课题．立足于家居场景复杂负荷的有效识别,提出了一种基于负荷谐波特征建立相似度优化模型的非侵入式负荷识别算法．首先,对用电器谐波功率特征进行分析并建立相应的相似度指标;然后,构建相应的负荷识别目标函数及负荷识别优化模型,从而将负荷识别问题转化为优化问题;最后,利用二进制模拟退火算法迭代寻优实现对用电器运行状态的可靠识别．通过大量仿真数据印证,该算法能够在多种用电器组成的复杂运行场景下准确识别负荷的运行情况,并且计算强度较低．     

智能用电非侵入式负荷监测系统研究

能源互联网对智能电网的数据交互与信息挖掘提出了更高的要求。非侵入式负荷监测技术能够挖掘用户用电负荷状态信息,在智能用电领域受到日益广泛的重视。针对现有非侵入式负荷监测系统只能解决用户端负荷数据挖掘,难以实现电网与用户的双向交互及用户信息深度挖掘等问题,提出智能用电非侵入式负荷监测系统及其技术架构设计,并从信息通信、负荷识别和数据挖掘等方面分析论述该系统的实现与应用技术方案。     

基于聚类特征及优化网络的非侵入式负荷分解

非侵入式负荷分解可以通过总表负荷数据,识别不同电器的运行情况,对需求侧用电实现有效管理.针对多电器同时运行时负荷数据相似导致的识别正确率低的问题,提出基于特征聚类及优化时序卷积网络的非侵入式负荷分解模型.首先对用电器的负荷数据进行非负矩阵分解提取特征数据,之后使用高斯混合模型识别用电器的运行状态并进行编码,最后将多个用...     

基于知识图谱的商用飞机维修方案推荐系统集成建模

针对我国商用飞机智能维修和数字化诊断的需求,面向非结构化故障隔离手册，提出新型BM长短期记忆网络（BM LSTM）算法.运用多数投票法融合条件随机场（CRF）、双向长短期记忆网络（BiLSTM）、BiLSTM CRF3种实体识别算法，有效提高实体识别精度.基于商用飞机维修故障诊断手册构建维修方案知识图谱，结合词频-逆向文件频率（TF-IDF）相似度算法与BM LSTM算法，设计商用飞机维修方案推荐系统，实现通过检索非结构化故障描述文本准确匹配到维修方案的功能.实验结果表明，利用商用飞机故障隔离手册构建知识图谱、基于所提创新方法开发的维修方案推荐系统，能够有效保证维修信息精确匹配，显著提高维修方案形成效率.     

基于改进遗传算法的非侵入式电器负荷识别

针对传统非侵入式负荷识别算法在电器负荷接近或较小时并不能得到较理想识别效果的问题,提出了一种基于谐波特征和遗传算法的非侵入式电器负荷识别算法.通过提取电流数据的非活性电流及其谐波特征,来增大不同用电器间的差异性,从而提高识别精度;并使用遗传算法优化的神经网络的权重、阈值和隐含层神经元个数来提高分类识别精度,达到细粒度用电分析的目的;使用包含5种家用电器的用电场景测试所提出算法的识别精度,并将其与反向传播神经网络算法相比较.仿真测试结果表明,提出的特征和算法具有更高的负荷识别准确率及更快的识别速度.     

基于FFT与遗传算法的用电器识别

随着智能电网和大数据技术的发展,用电器的识别和检测对规划用电器使用和参与需求响应具有越来越重要的意义。针对用电器识别,提出了一种基于FFT与遗传算法的用电器识别方法。分析了典型用电器负荷的电流波形频谱,并以其谐波作为负荷识别的最优特征参量,通过快速傅里叶变换对波形数据进行处理,以欧式距离最小作为优化指标,采用遗传算法搜寻最优解,最终实现对用电器类别的精确识别。在MATLAB/Simulink中搭建用电器识别模型,并以TI公司的TMS320F28335数字控制器为核心搭建了硬件系统,进行了实验验证。仿真结果与实际测试表明,该算法能够准确识别用电器的类别。     

基于假设检验的快速事件检测算法

针对非侵入式负荷监测的传统方法存在实现复杂,难以实时计算,数据集需要反复训练阈值等弊端。本文提出了一种基于假设检验的的快速事件检测算法,该算法将智能电表采集到的总功率信号通过卡方拟合优度检验找出可能存在事件发生的时间点,然后对前后两个窗口使用Z检验,只针对可疑点进行事件检验,进而由测试结果确定是否存在事件的发生,运算简单迅速。通过在BLUED数据集上仿真测试该算法与标准卡方检验方法检测事件的对比实验,验证了本文复合假设检验算法对不同基负载的检测结果具有稳定性与鲁棒性。得出了本文所提方法在精确识别开关事件的同时,还能保证运算速度快速简洁的特点,提高了事件检测的识别精度,具有一定的应用价值和参考意义。     

远程监督的自适应实体抽取

针对传统领域知识实体抽取算法主要依赖专家的专业知识,需要的标注工作量较大,本文提出了基于远程监督的实体抽取算法并应用于粮油存储领域。算法在PU学习的框架下,通过判定和分类2个阶段抽取实体,利用双向长短期记忆网络进行二分类实体判别。再通过全连接网络实体类型判别,构建了一个粮油领域知识图谱。研究表明：本算法可以应用于粮油存储领域的知识图谱构建,适用于训练实体样本较少的实体抽取任务,能够缩小使用双向长短期记忆网络算法进行实体抽取任务所需的语料规模,并在使用更小语料规模的情况下达到与经典双向长短期记忆网络算法相当的实体抽取效果。     

适用于智能球机的高鲁棒性侵入跟踪方法

智能监控球机广泛应用于家居室内智能监控。针对智能球机无法长时间检测、识别、跟踪侵入目标的问题,该文设计了一种结合目标检测、识别、跟踪算法的闭环结构,并采用控制算法控制球机云台转向自动跟随侵入目标。在运动目标检测方面采用vibe算法,在目标识别上采用神经网络识别目标,其中采用ssd网络检测人脸,使用yolov3网络识别人体,识别出跟踪目标后,采用csr-dcf目标跟踪算法进行目标跟踪,跟踪模式下启动模糊pid控制算法控制云台跟随目标转动,锁定目标后由跟踪模式再度切换到目标识别模式,形成一个检测、识别、跟踪、控制的闭环。经过测试,该方法提高了侵入跟踪功能的鲁棒性,在侵入目标快速运动、存在遮挡、暂时消失的情况下均可长期跟踪。     

基于CFSFDP图拉普拉斯算法的非侵入式负荷监测方法

非侵入式负荷监测(NILM)是我国未来电网建设的重要发展方向之一。为克服传统非侵入式负荷监测方法的计算数据量大、辨识准确率较低等问题,提出了一种基于CFSFDP(快速密度峰值搜索算法)图拉普拉斯算法的非侵入式负荷监测方法。首先,该方法利用输入的设备有功功率数据采取快速密度峰值搜索聚类算法构建家用电器的功率阈值向量和先验图结构;然后结合图信号的平滑度特征和总功率信号构建图拉普拉斯二次型最优函数,利用Tikhonov正则化方法以迭代的方式求得最优解,从而实现用电负荷图信号的重构;最后根据功率阈值向量将图信号转换为功率信号,即可实现用户的非侵入式负荷监测。对某一家庭两天的实测用电数据进行仿真分析,得到如下结果：1)该方法对第一天的负荷辨识精度达到了100%,各用电设备消耗用电量比例与实际耗电量比例误差均低于3%。2) 该方法对第二天的负荷识别准确率达到了90.1%,相比于对比算法至少高了0.8%。对单个用电设备分解精度达到91%以上,设备的用电量误差不超过5%且低于对比算法。3) 当数据采样间隔增大为2min,所提算法的准确率、辨识精度和单设备分解精度都有所降低,但数值上优于对比算法,并且有更优的时间复杂度。研究结果验证了所提非侵入式负荷监测方法的有效性及其优越性,对于解决实际低频NILM问题有很大的优势。     

非侵入式电力负荷分解算法综述

非侵入式电力负荷监测是将总的电力消耗分解为每个用电设备的电力消耗并对其进行监测。非侵入式负荷监测系统无需安装大量监测设备,就可进行能源监测、故障监测、故障分析等多种类型的电能质量控制分析,文中介绍了国内外主流电力负荷分解算法以及算法评估方法,并就存在的问题及未来的发展方向进行了阐述。     

基于SIM900A的嵌入式远程家电控制器设计

针对室外远程控制室内家电的不便性问题,利用SIM900A、红外以及嵌入式等先进技术,从应用角度出发,提出了一种远程红外家电控制方法。基于SIM900A远程通讯模块,使得在室外能够与室内嵌入式控制系统进行通信。红外遥控采用自学习型,测量脉冲宽度并存储数据,利用嵌入式系统模拟发送38kHz载波信号,实现对各种家电遥控器的学习。实践表明,该控制系统可以解决远程家电控制问题,且室内无需布线、成本低廉,系统稳定可靠、功耗较低。     

低压嵌入式单片机的电源设计与管理

电池供电的嵌入式单片机系统设计考虑的主要原则是降低功耗，延长电池工作时间．为此，降低电源电压是最好的办法之一．本文讨论了供电电压为３Ｖ的低压单片机系统电源设计的功耗计算、多电压系统、单电压系统及电源管理等问题．     

Short-term power load forecasting using integrated methods based on long short-term memory

The development of power system informatization, the massive access of distributed power supply and electric vehicles have increased the complexity of power consumption in the distribution network, which puts forward higher requirements for the accuracy and stability of load forecasting. In this paper, an integrated network architecture which consists of the self-organized mapping, chaotic time series, intelligent optimization algorithm and long short-term memory (LSTM) is proposed to extend the load forecasting length, decrease artificial debugging, and improve the prediction precision for the short-term power load forecasting. Compared with LSTM prediction, the algorithm in this paper improves the prediction accuracy by 61.87% in terms of root mean square error (RMSE), and reduces the prediction error by 50% in the 40-fold forecast window under some circumstances.     

智能电网调度运行面临的关键技术研究

电网调度部门的智能变革是智能电网成功实现的关键因素。首先阐述了电网调度的基本功能,接着介绍了国家电网调度中心提出的智能电网调度技术支持系统的基本要求,最后从电网实时动态监测技术、电网动态监测预警与辅助决策技术、电网运行方式在线分析技术、基于FCL的短路电流控制技术、电力系统元件参数在线辨识技术、电网经济运行与优化技术以及基于广域网的输电线路测距技术等七个方面分析了实现智能电网调度运行所面临的关键技术问题。     

最优潮流计算中的GPS同步信号技术

智能电网的最优潮流计算是建立在全网电能数据信号同步采样基础上的,电网的分布式传感检测系统需要一个统一的时间同步信号来指挥和控制.为此,提出一种应用于最优潮流计算的全球定位系统(GPS)同步信号方案,嵌有全球时间戳的采样信号传回至主机,从而为完成智能电网的最优潮流计算提供技术支撑.     

基于多注意力机制集成的非侵入式负荷分解算法

针对输入负荷特征对分解结果的重要程度不同,以及长短时记忆网络（LSTM）在捕捉长时间用电信息的时间依赖性方面受限导致分解误差高等问题,提出一种基于多注意力机制集成的非侵入式负荷分解算法.首先,利用概率自注意力机制对一维空洞卷积提取到的负荷特征进行优化处理,实现重要负荷特征的遴选;其次,采用时间模式注意力机制对LSTM的隐状态赋予权重,从而增强网络对长时间用电信息之间的时间依赖性的学习能力;最后,利用公开数据集UKDALE和REDD对所提分解模型的有效性和创新性进行验证.实验结果表明,与其他多种现有分解算法相比,基于多注意力机制集成的分解算法不仅具备更好的负荷特征遴选能力,而且能更加精确地建立特征之间的时间依赖关系,有效降低了分解误差.