一种基于图信号处理的非侵入式负荷分解方法.docx
快乐****蜜蜂
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于图信号处理的非侵入式负荷分解方法.docx
一种基于图信号处理的非侵入式负荷分解方法基于图信号处理的非侵入式负荷分解方法摘要:随着电力系统的发展和负荷需求的不断增加,负荷分解技术逐渐成为研究的热点。传统的负荷分解方法在精确性和计算效率方面存在一定的局限性。因此,本文提出了一种基于图信号处理的非侵入式负荷分解方法。该方法通过将电力系统转化为图结构,利用图信号处理的方法实现负荷信号的分解,以提高分解的准确性和计算效率。实验结果表明,该方法在负荷分解方面具有较高的精确性和可行性。关键词:图信号处理,非侵入式负荷分解,电力系统1.引言负荷分解技术在电力系统
基于多目标优化的非侵入式负荷分解方法研究.docx
基于多目标优化的非侵入式负荷分解方法研究基于多目标优化的非侵入式负荷分解方法摘要:负荷分解是指将系统负荷在不同的子系统或节点上进行分配的过程,是提高系统性能和资源利用率的重要手段之一。传统的负荷分解方法通常采用集中式的方式,需要对系统进行改造和调整,从而对系统的性能和关键指标造成一定的影响。本文提出了一种基于多目标优化的非侵入式负荷分解方法,旨在提高系统的性能和资源利用率,同时尽量减少对系统的影响。1.引言负荷分解是现代计算系统中的重要问题之一,其目标是将系统负荷分配到不同的子系统或节点上,以实现更好的性
一种基于阈值降噪网络的非侵入式负荷分解方法.pdf
本发明公开了一种基于阈值降噪网络的非侵入式负荷分解方法,包括:获取各电器的功率数据,对所述功率数据进行归一化处理,并将归一化后功率数据划分为训练集和测试集;构建基于SoftThresholding和Transfromer的阈值降噪网络,并将其作为负荷分解模型,将预处理后的训练集数据输送至构建好的负荷分解模型中进行训练;通过测试集数据对训练好的负荷分解模型进行测试,计算出各个电器的分解功率。本发明构建的阈值降噪网络主要包括SoftThresholding和Transfromer层,既能实现并行化处理,又
一种基于UNet结构的多任务非侵入式负荷分解方法.pdf
本发明属于用电负荷分解领域,提供一种基于UNet结构的多任务非侵入式负荷分解方法,包括如下步骤:S1、选择需要分解的目标电器,通过功率采集装置测量出每一目标电器的运行功率序列;S2、利用数据合成方法,构建合成数据集;S3、利用合成数据集训练基于UNet结构的多任务非侵入式负荷分解算法模型,得到包含最优权重参数,可分解出目标电器有功功率序列的模型。本发明用于监测用电情况,分项计量和记录各电器的运行功率,并且仅仅使用到用电入口处1Hz的低频功率,采集成本低。本发明可同时对多个目标电器进行分解,无需为每一种目标
一种基于seq2seq的非侵入式负荷分解方法.pdf
本发明提供了一种基于seq2seq的非侵入式负荷分解方法,包括一下步骤:第一步:设计seq2seq模型;第二步:功能提取;使用Conv1D在一维尺度上对功率序列进行卷积和池化,依靠多个相同权值的卷积核提取功率特征;第三步:(3)基于LSTM的负荷识别;第四步:seq2seqBCL负荷分解。针对目前非侵入式负荷分解方法在低频采样条件下(1Hz及以下)分解准确率较低的问题,发明提出的一种基于卷积神经网络(CNN)与长短期记忆网络(LSTM)相结合的seq2seq的非侵入式负荷分解算法(seq2seqBase