-
公开(公告)号：CN113158446B
公开(公告)日：2024-06-11
申请号：CN202110372297.4
申请日：2021-04-07
Applicant: 国网江苏省电力有限公司信息通信分公司 , 南京工程学院
IPC: G06F30/20 , G06Q50/06 , G01R31/00 , G01R21/06 , G06F111/06
Abstract: 本发明提供了非侵入式电力负载识别方法，采集负荷电压数据和电流数据并提取总正交电流谐波频谱特征；进行加窗预处理，获得加窗后的功率数据；基于生成的初始状态库确定所有负荷的初始状态；根据加窗后的功率数据和所有负荷的功率特征向量和谐波特征向量建立复合特征目标函数模型；基于各所有负荷的初始状态确定所述复合特征目标函数模型的参数初始值，求解所述复合特征目标函数模型获得电力负荷最优解。本发明将数据预处理和识别算法优化有效结合，利用原始数据加窗预处理和初始状态预判，降低了运算复杂度；利用负荷之间差异较大的正交电流谐波特征，优化特征模型，提高了用电场景下负荷识别准确度。
-
Patent Agency Ranking
公开(公告)号：CN113158134B
公开(公告)日：2024-02-27
申请号：CN202110372296.X
申请日：2021-04-07
Applicant: 国网江苏省电力有限公司信息通信分公司 , 南京工程学院
IPC: G06F17/16 , G06F30/27 , G06N3/0464 , G06N3/08 , G06Q50/06
Abstract: 本发明公开了非侵入式负荷辨识模型的构建方法、装置和存储介质，将负荷信号特征矩阵进行奇异值分解获得奇异值对角向量矩阵、左奇异值向量矩阵和右奇异值向量矩阵；保留所述奇异值对角向量矩阵中高于预设奇异值门限的奇异值；从左奇异值向量矩阵和右奇异值向量矩阵选取更新后的奇异值对角向量矩阵对应的左右奇异值向量，构建成新的左奇异值向量矩阵和新的右奇异值向量矩阵；确定新的左奇异值向量矩阵和新的右奇异值向量矩阵对应的克罗内克积并进行特征矩阵；将重构后的负荷信号特征矩阵输入到卷积神经网络模型进行训练。基于奇异值特征矩阵重构的方法对信号进行预处理，降低了数据的纬度，将数据特征进行重新分布，缩短训练时间，降低网络复杂度。
-
公开(公告)号：CN110753101A
公开(公告)日：2020-02-04
申请号：CN201910976477.6
申请日：2019-10-15
Applicant: 南京工程学院
Abstract: 本发明提供了在边缘计算中低能耗的计算结点选择和计算任务分配方法。首先确定计算任务量与时延违反概率之间的关系。当给定时延违反概率后，确定每个结点在规定的时间内能处理的最大计算量。当需要完成的计算任务的总计算量小于周围结点能提供的最大计算量总和时，给出一种低能耗的计算结点选择和计算任务分配方法，进一步降低边缘计算的能耗。若需要完成的计算任务的总计算量大于周围结点能提供的最大计算量总和时，该任务无法完成，丢弃该任务。本发明在满足时延违反概率和总计算量的前提下，能够有效降低边缘计算的能量消耗。
-
公开(公告)号：CN110753101B
公开(公告)日：2020-09-01
申请号：CN201910976477.6
申请日：2019-10-15
Applicant: 南京工程学院
Abstract: 本发明提供了在边缘计算中低能耗的计算结点选择和计算任务分配方法。首先确定计算任务量与时延违反概率之间的关系。当给定时延违反概率后，确定每个结点在规定的时间内能处理的最大计算量。当需要完成的计算任务的总计算量小于周围结点能提供的最大计算量总和时，给出一种低能耗的计算结点选择和计算任务分配方法，进一步降低边缘计算的能耗。若需要完成的计算任务的总计算量大于周围结点能提供的最大计算量总和时，该任务无法完成，丢弃该任务。本发明在满足时延违反概率和总计算量的前提下，能够有效降低边缘计算的能量消耗。
-
公开(公告)号：CN113158134A
公开(公告)日：2021-07-23
申请号：CN202110372296.X
申请日：2021-04-07
Applicant: 国网江苏省电力有限公司信息通信分公司 , 南京工程学院
Abstract: 本发明公开了非侵入式负荷辨识模型的构建方法、装置和存储介质，将负荷信号特征矩阵进行奇异值分解获得奇异值对角向量矩阵、左奇异值向量矩阵和右奇异值向量矩阵；保留所述奇异值对角向量矩阵中高于预设奇异值门限的奇异值；从左奇异值向量矩阵和右奇异值向量矩阵选取更新后的奇异值对角向量矩阵对应的左右奇异值向量，构建成新的左奇异值向量矩阵和新的右奇异值向量矩阵；确定新的左奇异值向量矩阵和新的右奇异值向量矩阵对应的克罗内克积并进行特征矩阵；将重构后的负荷信号特征矩阵输入到卷积神经网络模型进行训练。基于奇异值特征矩阵重构的方法对信号进行预处理，降低了数据的纬度，将数据特征进行重新分布，缩短训练时间，降低网络复杂度。
-
公开(公告)号：CN113158446A
公开(公告)日：2021-07-23
申请号：CN202110372297.4
申请日：2021-04-07
Applicant: 国网江苏省电力有限公司信息通信分公司 , 南京工程学院
IPC: G06F30/20 , G06Q50/06 , G01R31/00 , G01R21/06 , G06F111/06
Abstract: 本发明提供了非侵入式电力负载识别方法，采集负荷电压数据和电流数据并提取总正交电流谐波频谱特征；进行加窗预处理，获得加窗后的功率数据；基于生成的初始状态库确定所有负荷的初始状态；根据加窗后的功率数据和所有负荷的功率特征向量和谐波特征向量建立复合特征目标函数模型；基于各所有负荷的初始状态确定所述复合特征目标函数模型的参数初始值，求解所述复合特征目标函数模型获得电力负荷最优解。本发明将数据预处理和识别算法优化有效结合，利用原始数据加窗预处理和初始状态预判，降低了运算复杂度；利用负荷之间差异较大的正交电流谐波特征，优化特征模型，提高了用电场景下负荷识别准确度。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
