-
公开(公告)号：CN109387712B
公开(公告)日：2021-04-13
申请号：CN201811170715.6
申请日：2018-10-09
Applicant: 厦门理工学院
Abstract: 本发明涉及基于状态矩阵决策树的非侵入式负荷检测与分解方法，包括以下步骤：S1、对样本数据进行预处理，包括数据清洗、数据集成和数据归约，得到有效的样本数据；S2、利用频谱分析确定数据样本周期；S3、基于顺序向前特征选择算法与K‑means聚类算法选择负荷特征，再根据样本周期，利用时序特征选择算法，提取辨识度高的负荷特征；S4、基于改进型滑动窗双边CUSUM事件检测算法与决策树的负荷识别与分解，建立自动识别的单一设备工作状态模型，在此基础上，引入状态矩阵决策树，建立负荷时序特征概率模型，从而实现叠加设备工作状态的自动识别。本发明的方法识别效率高，具有很好的实用性。
-
公开(公告)号：CN109408498B
公开(公告)日：2022-12-13
申请号：CN201811170289.6
申请日：2018-10-09
Applicant: 厦门理工学院
IPC: G06F16/215 , G06F16/2458 , G06F16/26
Abstract: 本发明提出基于特征矩阵决策树的时间序列特征识别与分解方法，主要包括样本数据预处理、确定样本数据周期、样本数据的特征选择与提取以及建立多元时间序列特征识别与分解模型。本发明的方法能够提高特征识别的速度和准确率，特别适用于电力行业中的非侵入式负荷识别与分解。
-
公开(公告)号：CN109408498A
公开(公告)日：2019-03-01
申请号：CN201811170289.6
申请日：2018-10-09
Applicant: 厦门理工学院
IPC: G06F16/215 , G06F16/2458 , G06F16/26
Abstract: 本发明提出基于特征矩阵决策树的时间序列特征识别与分解方法，主要包括样本数据预处理、确定样本数据周期、样本数据的特征选择与提取以及建立多元时间序列特征识别与分解模型。本发明的方法能够提高特征识别的速度和准确率，特别适用于电力行业中的非侵入式负荷识别与分解。
-
公开(公告)号：CN109387712A
公开(公告)日：2019-02-26
申请号：CN201811170715.6
申请日：2018-10-09
Applicant: 厦门理工学院
Abstract: 本发明涉及基于状态矩阵决策树的非侵入式负荷检测与分解方法，包括以下步骤：S1、对样本数据进行预处理，包括数据清洗、数据集成和数据归约，得到有效的样本数据；S2、利用频谱分析确定数据样本周期；S3、基于顺序向前特征选择算法与K-means聚类算法选择负荷特征，再根据样本周期，利用时序特征选择算法，提取辨识度高的负荷特征；S4、基于改进型滑动窗双边CUSUM事件检测算法与决策树的负荷识别与分解，建立自动识别的单一设备工作状态模型，在此基础上，引入状态矩阵决策树，建立负荷时序特征概率模型，从而实现叠加设备工作状态的自动识别。本发明的方法识别效率高，具有很好的实用性。
-
-
-
Search Results
4
records
(took 0.023 seconds)
