基于一维卷积神经网络的非侵入工业负荷事件检测方法 |
| |
引用本文: | 余昊杨,武昕.基于一维卷积神经网络的非侵入工业负荷事件检测方法[J].计算机应用,2022(S2):277-284. |
| |
作者姓名: | 余昊杨 武昕 |
| |
作者单位: | 华北电力大学电气与电子工程学院 |
| |
基金项目: | 中央高校基本科研业务费专项资金资助项目(2020MS002); |
| |
摘 要: | 针对非侵入式工业负荷事件检测中准确率较低和漏检率较大的问题,提出了一种基于一维卷积神经网络(1D-CNN)的非侵入工业负荷事件检测方法。所提方法在1D-CNN模型中引入Inception-V2模型构建一维Inception-V2卷积神经网络(1D-Inception-V2-CNN)模型,利用多种长度的滑动窗和对应的卷积核实现对数据的读取和压缩,利用1D-Inception-V2-CNN模型对压缩后的数据进行检测和分类,并通过自适应循环检测方法更新网络模型的检测样本库,最终实现对工业用户负荷数据的全面检测。在对实际工业用户的事件检测实验中,所提检测方法的准确率和Fscore分别达到了96.32%和95.42%,与LeNet一维卷积神经网络、二维卷积神经网络和滑动窗累积和算法相比均有明显的提升。实验结果表明,所提方法能够有效地提高工业事件检测的准确率,同时减小事件漏检率。
|
关 键 词: | 工业负荷 非侵入式负荷监测 用电感知 事件检测 一维卷积神经网络 Inception-V2 |
|