面向深度学习的非侵入式负荷监测研究进展

非侵入式负荷监测, 是智能用电和节能技术的重要部分, 备受研究者关注. 由于近年来新发展起来的深度学习方法在各种任务所表现出来的优越性能, 目前已有一些代表性深度学习方法被成功用于非侵入式负荷监测中的负荷分解任务. 为了系统地总结深度学习方法在非侵入式负荷监测领域中的研究现状与进展, 拟对近年来面向深度学习的非侵入式负荷监测研究文献进行分析与归纳. 首先对非侵入式负荷监测的框架进行简要概述; 随后介绍了非侵入式负荷监测的特征提取方法和公开数据集, 并重点分析和归纳了非侵入式负荷监测中面向深度学习的负荷分解方法; 最后对该领域存在的一些挑战及机遇进行了展望, 并指出了其未来的研究方向.     

基于小电流电器的滑动窗双边CUSUM事件检测改进算法

事件检测是非侵入式负荷监测中的关键部分,然而事件检测方法对于一些小电流电器存在漏检问题。为此,提出一种基于小电流电器的滑动窗双边CUSUM事件检测改进算法,即在均值计算窗和暂态检测窗的基础上,引入方差计算窗区分运行时电流波动小的电器,通过权重参数δ提高检测过程中投入、切出事件的累计和,解决了滑动窗双边CUSUM事件检测算法的小电流电器漏检问题。采用方差阈值判断电器是否进入稳态,提高了电器进入稳态时检测的准确性,有效记录事件投入点和事件切出点。实测验证表明,所提算法不仅能够准确检测到传统算法易忽略的小电流电器的暂态事件,还能准确记录电器完整的事件投切过程,有利于其暂态过程的分析与处理,保证了特征提取的有效性,为事件检测方法的优化方向提供了借鉴。     

液压管路压力非插入式超声检测新技术

实现液压管路压力的非插入式检测 ,对于液压系统快速故障定位具有重要意义。基于油液声学特性 ,利用超声技术实现压力的非插入式检测是一种有效的方法。重点论述声速测压法检测系统设计及综合校正模型等内容     

考虑土体空间变异性的边坡最危险滑动面随机分析方法

现有边坡可靠度研究均未考虑土体空间变异性对边坡最危险滑面的影响。为此,提出了考虑土体空间变异性的边坡最危险滑动面随机分析方法。首先,采用谱表现法建立了表征土体空间变异性的随机场模型。在此基础上,提出了基于SIGMA/W和SLOPE/W的自动定位搜索最危险滑动面方法。其次,采用非侵入式随机分析方法研究了抗剪强度参数空间变异性对边坡最危险滑动面空间分布的影响。最后,采用算例验证了所提方法的有效性。结果表明：提出的边坡最危险滑动面随机分析方法能够有效地确定边坡最危险滑动面空间分布特征。土体抗剪强度参数的空间变异性对边坡最危险滑动面的空间分布特征有重要的影响,它直接决定了边坡最危险滑动面的位置和滑体规模。土体抗剪强度参数波动范围越大,最危险滑动面的空间分布范围越大。随着土体抗剪强度参数水平向和竖直向波动范围比值的增大,边坡上部发生局部滑动的可能性增大。抗剪强度参数的变异系数越大,最危险滑动面的空间分布范围越大,边坡发生小规模局部滑动的可能性越大。     

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。     

液压介质波速影响因素分析

为了给设计人员与管理人员提供依据,对液压系统介质中压力波波速的影响因素进行理论分析与计算。提出在高压系统中,考虑油—气两相状态下,原有的液压介质中压力波波速决定公式的各项假设条件已不成立,应当重新设定估算方法。采用最新的非插入式测量方法,把压力测量夹具安装在管路的两处,检测压力波达到不同夹具的时间差,计算波速。结果显示压力波波速变化的随机性,该结果可为系统仿真、设备的选型与液压设备管理工作提供参考。     

基于多尺度卷积与Informer混合模型的非侵入式负荷监测方法

针对现有非侵入式负荷监测方法存在的负荷分解准确率低、模型泛化性能差的问题,提出一种多尺度卷积与Informer网络相结合的非侵入式负荷监测方法。采用数据分段优化方法对功率信号进行分段,利用多尺度卷积核获取不同时间尺度的特征序列以及自适应提取多维度功率特征,从而形成特征矩阵;基于Informer网络中的概率稀疏自注意力机制在高维空间中充分捕获特性序列的长期依赖关系,从而提高预测准确率;利用分解值修正方法消除功率分解值中的“虚假”激活状态,以进一步提高分解精度。算例结果验证了所提方法的可行性。     

基于传感器技术的驾驶疲劳检测方法综述

疲劳驾驶是引发交通事故的一个重要因素,因此,众多的研究人员致力于疲劳驾驶的研究.介绍了疲劳驾驶的研究现状,并着重对各种基于传感器的驾驶疲劳检测方法进行了总结和比较,分析了目前疲劳驾驶研究中存在的问题,以及未来的研究方向.     

基于特征选择与增量学习的非侵入式电动自行车充电辨识方法

为实现从电网侧监测电动自行车违规停放充电行为,减少电动自行车充电火灾事故,在非侵入式负荷识别的基础上,提出一种基于特征选择与增量学习的电动自行车充电辨识方法.首先,根据电动自行车充电实测电流波形,分析负荷特性并列举15种负荷特征.通过半监督Fisher计分与最大信息系数量度特征辨别度与冗余度,采用贪心搜索算法对特征重要...     

基于层次分析法和熵权法的非侵入式负荷辨识终端综合评价方法研究

为实现非侵入负荷辨识终端综合能力的评估,研究非侵入式辨识终端综合评价方法.通过结合实际应用情况分析非侵入负荷辨识终端主要影响因素,确定非侵入式辨识终端评价体系和各指标的定义;基于层次分析法和熵权法设计评价体系组合权重;针对实际终端进行评价方法的应用,并践行于实际工程的终端出厂校验,验证了此评价方法的可行性和实用性.