公开(公告)号：CN115545447A

公开(公告)日：2022-12-30

申请号：CN202211179593.3

申请日：2022-09-27

Applicant: 华南理工大学

Inventor： 刘紫罡 ,  张禄亮 ,  季天瑶 ,  吴青华

IPC: G06Q10/06 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/06

Abstract: 本发明公开了一种基于小波分解和改进神经网络的非侵入式负荷分解方法，主要利用非侵入式负荷识别装置对用电信息进行采集，对采集到的数据信息进行预处理操作，通过四层小波分解提取负荷特征，然后输入到改进的神经网络进行训练学习：改进点主要体现在网络是多尺度多输入的，训练过程是多分辨率的并且网络按小波分解层数分为四个部分分别进行训练最后在重新拼接，然后利用大量数据调节网络参数，完善非侵入式负荷分解模型后完成负荷分解任务，并对非侵入式负荷分解结果进行分析。通过本发明可以结合时频域，解决当负荷数据过多时，重要的信息可能会丢失，数据特征利用率低而且多状态过程电器难以识别的问题。

公开(公告)号：CN119561174A

公开(公告)日：2025-03-04

申请号：CN202510078778.2

申请日：2025-01-17

Applicant: 华南理工大学

Inventor： 全欢 ,  刘肇熙 ,  刘紫罡 ,  王文浩 ,  戴逢哲 ,  肖嘉睿 ,  陈逸凡 ,  祝敬华

IPC: H02J3/50 ,  H02J3/28 ,  H02J3/48 ,  G06Q10/04 ,  G06N3/006 ,  G06N3/0455 ,  G06N3/092 ,  G06N7/01 ,  G06Q10/067 ,  G06Q50/06

Abstract: 本发明公开了一种基于数据增强及混合增强智能的配电网无功优化方法。所述方法包括如下步骤：建立扩散模型扩充光荷训练数据集；建立配电网有功无功协同优化的马尔科夫决策模型；基于马尔科夫决策模型构建T‑MAAC离线集中式训练模型，输入光荷训练数据集对T‑MAAC离线集中式训练模型进行离线训练，得到训练完成的T‑MAAC离线集中式训练模型；将训练完成的T‑MAAC离线集中式训练模型部署到平台上，在线实时生成优化策略，执行优化策略实现配电网无功优化。本发明可以提供实时的电压控制策略，自适应源荷不确定性，具有良好的实时性和控制经济性。

公开(公告)号：CN115905857A

公开(公告)日：2023-04-04

申请号：CN202211279705.2

申请日：2022-10-19

Applicant: 华南理工大学

Inventor： 张禄亮 ,  刘紫罡 ,  吴青华 ,  季天瑶

IPC: G06F18/214 ,  G06F18/10 ,  G06N3/0442 ,  G06N3/0495 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G01R22/00

Abstract: 本发明公开了一种基于数学形态学和改进Transformer的非侵入式负荷分解方法，主要利用非侵入式负荷识别装置获取家庭的用电信息，进行数据预处理并构建数据集，通过构建多尺度数学形态学滤波器对数据进行滤波，然后输入到改进的Transformer神经网络进行训练学习：改进点主要体现在引入LocalBiLSTM层代替位置编码层，利用概率稀疏注意力机制代替传统注意力机制，并且使用1D卷积网络作为前向反馈层，训练时利用大量数据结合贝叶斯优化器不断调节网络参数，最后选出损失最小的作为最优模型参数，利用最优模型完成负荷分解任务，并对非侵入式负荷分解结果进行分析。通过本发明可以得到抗噪性强、稳定性强的负荷信息，并且负荷分解结果具有精度高和分解时间短的优势。