公开(公告)号：CN111898637B

公开(公告)日：2022-09-02

申请号：CN202010597594.4

申请日：2020-06-28

Applicant: 南京工程学院

Inventor： 邵琪 ,  包永强 ,  贾成宇 ,  张旭旭 ,  陆志文

IPC: G06K9/62

Abstract: 本发明具体涉及一种基于ReliefF‑DDC特征选择算法，包括S1、获取训练集样本，确定算法各参数值：S2、将所有特征权重置0，置、为空集；S3、从训练集中选取样本并更新其包含的所有维度的特征的权重，利用ReliefF计算特征与各类别之间的相关性来确定“重要特征”，排除无关特征；S4、输出中大于阈值时对应的特征向量，按降序排列添加至集合；S5、利用DDC算法，根据特征之间与决策变量的相关性分析去除冗余特征；S6、得到最佳特征子集，将所选特征用于非侵入式负荷识别。本方法有效降低特征维数，提高负荷识别率并缩短算法运行时间。

公开(公告)号：CN114723040A

公开(公告)日：2022-07-08

申请号：CN202210233402.0

申请日：2022-03-10

Applicant: 南京工程学院

Inventor： 钱玉军 ,  包永强 ,  姜丹琪 ,  张旭旭 ,  雷家浩 ,  罗思佳

IPC: G06N3/08 ,  G06N3/04 ,  G01R21/00

Abstract: 本发明公开了一种基于LSTM和序列到点翻译模型非侵入式负荷监测方法，利用滑动总功率数据序列来映射目标设备在功率数据窗口中点的功耗。首先使用功率嵌入层对负荷序列的输入过程进行优化，将离散的负荷总功率序列通过功率嵌入矩阵映射到高维紧密向量空间；其次采用基于滑动窗口的事件探测算法，提取激活负荷样本作为序列到点模型的输入数据；利用卷积神经网络自动提取输入负荷总功率的负荷特征，引入长短期记忆网络挖掘序列中点前后相关度最高的信息完成负荷辨识。本发明在有效减少网络训练时间和参数的前提下，有效检测了目标设备的开关状态，显著提升了负荷分解准确性。

公开(公告)号：CN111898637A

公开(公告)日：2020-11-06

申请号：CN202010597594.4

申请日：2020-06-28

Applicant: 南京工程学院

Inventor： 邵琪 ,  包永强 ,  贾成宇 ,  张旭旭 ,  陆志文

IPC: G06K9/62

Abstract: 本发明具体涉及一种基于ReliefF-DDC特征选择算法，包括S1、获取训练集样本，确定算法各参数值：S2、将所有特征权重置0，置、为空集；S3、从训练集中选取样本并更新其包含的所有维度的特征的权重，利用ReliefF计算特征与各类别之间的相关性来确定“重要特征”，排除无关特征；S4、输出中大于阈值时对应的特征向量，按降序排列添加至集合；S5、利用DDC算法，根据特征之间与决策变量的相关性分析去除冗余特征；S6、得到最佳特征子集，将所选特征用于非侵入式负荷识别。本方法有效降低特征维数，提高负荷识别率并缩短算法运行时间。