龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：国网江苏省电力有限公司信息通信分公司
摘要：本发明公开了一种非侵入负荷辨识方法及装置，采用stacking集成算法优化非侵入式负荷监测模型，基模型对负荷进行初步分解，通过元模型实现负荷精准分解。属于电力监测技术领域。它包括以下步骤:（1）数据采集，采集居民用电信息；（2）数据预处理，构建原始数据集并划分数据子集；（3）构建长短期记忆网络（LSTM）负荷分解模型，作为负荷辨识系统的第一个基学习器；（4）构建去噪自编码器网络（DAE），作为系统的第二个基学习器；（5）构建聚合模型，输出最终负荷辨识结果。本方法能将不同电器不同工作状态产生的电压信号快速准确的进行分类，以利于后续的处理。
主权项：1.一种非侵入负荷辨识方法，其特征在于，包括以下步骤：获取待辨识的数据；预处理所述待辨识的数据，构建原始数据集并划分为若干数据子集；将所述数据子集输入Stacking集成学习模型，得到目标负荷最终功率分解序列；所述Stacking集成学习模型的构建方法包括：构建长短期记忆网络负荷分解模型，作为Stacking集成学习模型的第一层的第一个基学习器；构建去噪自编码器网络，作为Stacking集成学习模型的第一层的第二个基学习器；构建全连接层作为Stacking集成学习模型的第2层的元学习器；获取待辨识的数据，包括：采集高频负荷和低频负荷；所述去噪自编码器网络的输入是数据子集，输出为DAE目标负荷分解序列；所述去噪自编码器网络是对称结构分为编码器和解码器，在编码层工作情况，通过卷积层的运算后将原始数据映射到隐藏的特征空间，然后通过全连接层映射到目标负荷的标记空间，生成去噪的隐藏层，再有解码器将这一个过程逆向进行得到目标负荷的功率曲线；一维卷积层本质上是建立多个滤波器进行数据特征的提取，可得 式中：为第l-1层的第j个特征图，为第l层的第j个特征图第i个索引的卷积核函数，第l层第j个偏置参数，fx为卷积神经网络的非线性激活函数；可得： 式中：为卷积操作的输出值，为的激活值。
全文数据：
权利要求：
百度查询： 国网江苏省电力有限公司信息通信分公司 一种非侵入负荷辨识方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号