【摘 要】
：
非侵入式负荷监测（Nonintrusive Load Mointoring,NILM）是根据电力入口处电气参数估算出各用电设备的工作及能耗状况,通过负荷辨识技术得到详细用电状态信息,与侵入式负荷监测相比（Intrusive Load Mointoring,ILM）大大减少传感器数量,近年来在调度优化和负荷精细化管理领域受到越来越多关注。随着深度学习在图像识别、自然语言处理等领域应用,深度学习算法仅
论文部分内容阅读
非侵入式负荷监测（Nonintrusive Load Mointoring,NILM）是根据电力入口处电气参数估算出各用电设备的工作及能耗状况,通过负荷辨识技术得到详细用电状态信息,与侵入式负荷监测相比（Intrusive Load Mointoring,ILM）大大减少传感器数量,近年来在调度优化和负荷精细化管理领域受到越来越多关注。随着深度学习在图像识别、自然语言处理等领域应用,深度学习算法仅凭借低频采样的负荷数据自动学习特征,取得较好的负荷辨识效果。但伴随网络复杂训练成本大大增加,本文针对深度学习算法的应用问题,对NILM技术下的负荷辨识算法展开深入研究。首先在分析总结负荷数据来源和类型基础上,对采用的数据集进行预处理,从准确率、泛化性、扩展性、不同类型负荷识别性能等方面给出了全面的NILM评价标准。其次,提出一种基于卷积块注意力模型的负荷辨识算法,将注意力机制模块应用到卷积神经网络中,提高卷积神经网络特征提取能力,通过对多个数据集进行了基于卷积块注意力模型的负荷辨识实验,证实算法可以在不增加网络参数基础上进一步提高负荷辨识准确率,并借助工具包与其他NILM算法评价标准进行对比,证实本文算法优越性。最后,针对NILM实际应用中获取标签数据困难的问题,采用对抗式迁移学习网络处理分布样本差异较大的数据集,提取到不同数据集之间的共性特征,并对REDD、UK-DALE和REFIT数据集进行实验,以无监督方式对目标域数据进行负荷分解,在跨域学习上实现较高的识别准确率。
其他文献
输电线路螺栓图像二维视觉信息较差,导致螺栓图像分类时大模型资源消耗大,小模型分类精度低。本课题将基于深度学习的知识蒸馏技术引入到输电线路螺栓图像分类任务,并根据自建数据集特点从网络性能传递和网络结构匹配2个角度进行研究,确保满足大规模部署的小模型能够充分拟合大模型的螺栓缺陷图像分类性能,实现资源消耗与精度的平衡。针对螺栓图像类间差异性较小、类内差异性较大,导致大模型知识传递不理想甚至错误的问题,本
随着现代工业不断发展,汽轮发电机组等旋转机械逐渐趋向于大型化、自动化,其工作环境也逐渐变得复杂。因此,旋转机械的工作状态对于整个生产过程来说有着重大的影响。为了保证旋转机械设备的正常运行以及工作人员的人身安全,着力研究旋转机械故障诊断技术具有重要意义。本文以常见的旋转机械部件为研究对象,将鲁棒局部均值分解及其改进方法应用到旋转机械故障诊断中,分别从故障提取和模式识别两方面进行深入研究。其主要内容如
一部分现役输电铁塔由于早期设计标准低、运行时间长、维护不周等因素不能达到实际承载力要求。大量研究表明,输电铁塔倒塌一般为整体失稳,且发生在输电铁塔的主材部位,因此对输电铁塔的主材加固方法进行研究具有重要意义。本文以某在实验中主材发生了破坏的220k V的ZMC2型输电铁塔为研究对象,进行了加固研究。主要研究工作分为以下三个部分:（1）格构式输电铁塔主要以单角钢作为主材,主材与主材之间通过螺栓节点进
图像超分辨率重建（Super-Resolution,SR）技术,是从观测到的低分辨率（Low Resolution,LR）图像中重建出高分辨率（High Resolution,HR）图像,是图像处理领域中的一项重要技术。该技术在监控、卫星、医学影像等多个领域中,都具有十分重要的实际应用价值。近年来,随着深度学习技术的突飞猛进,卷积神经网络在单图像超分辨率重建（Single Image Super-
面临“碳达峰、碳中和”的新愿景,以风电为代表的新能源产业将再迎发展加速期,成为改变我国能源供应结构的关键性力量。随着新能源份额的不断增加,系统不确定性增加,高比例新能源的消纳对系统灵活运行来说仍然是一个挑战,因此需要重新考虑电力系统的建模和运行方式。针对以上问题,本文将粒度认知理论引入含风电的电力系统经济调度问题中,提出了考虑净负荷梯度变化的自适应调度方案。主要研究内容如下:首先,通过对认知计算和
针对智能用电对于精细化负载数据以及精细化用电行为挖掘等技术的需求,提出了基于协同进化的多目标粒子群算法的非侵入式负荷识别方法,用以非侵入式负荷监测的精确识别。首先,介绍了非侵入式负荷监测系统的基本框架,对常见家用负荷的稳态特征和暂态特征及提取方法进行了分析。为了从有限的训练数据中提取更多有用的信息,提高识别准确率,利用互信息法选取对目标器具识别相关和最有效的电气特征;在互信息分析的基础上,选取5个
单柱拉线塔拉线与主柱是典型的索-梁耦合结构。许多学者对索-梁耦合模型进行了理论研究,但实验研究较少。为探究索-梁耦合模型非线性特性,在理论分析的基础上,对索-梁耦合模型进行实验研究,具有重要意义。研究了斜拉索的静、动力特性,建立斜拉索自由振动方程;以单索-单梁这一简单的耦合结构为研究对象,运用达朗贝尔原理建立索-梁耦合模型的自由振动方程组;考虑到梁受到面内简谐激振力的作用,推导出索-梁耦合模型强迫
非侵入式负荷分解技术是在保证用户隐私的背景下深度分析用户的用电信息,是智能用电体系的关键研究内容。在负荷分解中主要存在功率相近的电器无法识别等问题。起初研究人员为解决上述问题,引入高频特征进行识别,但随之也带来了计算复杂,实际实施较为困难等问题。随着近几年模式识别的发展,模式识别的方法在非侵入式负荷分解中应用广泛,但研究人员忽略了方法的实用性。针对上述问题,本文围绕实用性较高的组合优化方法在非侵入
随着电力负荷需求的不断增加、传统化石能源紧缺的现状不断加剧,可再生能源的接入成为了必然的趋势,但同时分布式电源的随机性和波动性也给配电网的稳定运行带来了新的挑战,对配电网功率传输的调节能力和灵活运行提出了更高的要求。而随着电力电子装置的研发和生产日趋成熟,储能设备、柔性软开关逐步投运,配电网正顺应发展的需要,逐步演变为柔性配电网。相较于传统的配电网,柔性配电网能够实现柔性运行,具有更强的调节能力,
随着现代工业的快速发展,化石燃料的大量燃烧造成人类向大气排放的二氧化碳不断增加。为了有效降低CO2排放量,研究CO2处理技术是十分必要的。CO2的吸收及资源化利用技术得到广泛关注,其中最常见的转化反应是CO2的催化还原,不仅可以降低温室气体含量,还可以获得具有高工业利用价值的产品,在环境和经济两个方面都能获得良好的效益。目前二氧化碳催化还原的最大挑战是由于二氧化碳本身的化学稳定性,普通催化剂催化还