公开(公告)号：CN116628620A

公开(公告)日：2023-08-22

申请号：CN202310235687.6

申请日：2023-03-13

Applicant: 杭州电子科技大学

Inventor： 罗平 ,  孙博宇 ,  邓晋宇 ,  朱振宇 ,  孔亚广 ,  吴秋轩

IPC: G06F18/25 ,  G01R21/06 ,  G06F18/243 ,  G06F18/214 ,  G06F18/21 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/082 ,  G06N3/084 ,  G06F18/10

Abstract: 本发明公开了一种非侵入式负荷识别计算方法，为提高负荷识别的准确率，该方法首先对目标用户进行数据采集，获取用电设备的电压、电流数据；运用改进的二维广义似然比检验对电流数据进行事件检测，使用了聚簇移除、导数移除两种误检滤除算法来减少错检和误检的发生。找到事件发生的突变点并存放进事件列表；选用无功电流代替传统V‑I轨迹中的总电流，通过事件列表提取稳态数据后生成V‑无功I轨迹图，将其与由测量所得的电压、电流经过傅立叶分解得到的有功、无功功率进行特征融合后处理为图像特征矩阵；最后将图像特征矩阵输入改进的结合残差块的全卷积网络模型，输出识别结果。

公开(公告)号：CN119131564A

公开(公告)日：2024-12-13

申请号：CN202411042518.1

申请日：2024-07-31

Applicant: 杭州电子科技大学

Inventor： 罗平 ,  林广智 ,  孙博宇 ,  潘泳圳 ,  朱振宇 ,  陈张平 ,  王坚

IPC: G06V20/00 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/096

Abstract: 本发明公开了一种基于传递迁移学习的非侵入式负荷识别方法。为更好挖掘负荷功率的时序信息，提高阻性负荷的差异，选取融合V‑I轨迹和格拉姆矩阵的图像作为负荷特征。由于ImageNet‑1K的图像标注质量高且覆盖类别广，故将其作为源域。分别选取老小区和新建小区的负荷为中间域和目标域。首先利用源域对ResNet50进行预训练，并通过少量中间域数据微调预训练模型的卷积层权重。将所得权重赋给目标域U‑Net网络中由ResNet50组成的编码器部分，再利用少量目标域数据训练U‑Net的所有权重。训练好的网络即可进行负荷识别。该方法解决了迁移学习中源域和目标域差异过大和新建小区负荷样本少导致识别精度不高的问题。

公开(公告)号：CN114091323A

公开(公告)日：2022-02-25

申请号：CN202111215373.7

申请日：2021-10-19

Applicant: 杭州电子科技大学

Inventor： 罗平 ,  邓晋宇 ,  樊星驰 ,  孙博宇 ,  孔亚广

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G06F111/10

Abstract: 本发明公开了一种基于数据时序特性和电器间状态关联性的数据生成方法。本发明为减少数据采集过程存在的噪声问题，结合电力负荷数据的特性利用负荷数据的均值和格拉布斯检测法对噪声数据进行清洗。从以下两个改进对抗生成网络：1.增加生成器的学习任务。2.创建降维和复原网络辅助改进后的对抗生成网络工作。其次修改网络输入数据的格式，使对抗生成网络纵向学习各电器间的相关联工作状态。最后对生成器中超参数进行优化，进一步提升生成器的性能，从而提升生成数据的质量。