-
Patent Agency Ranking
公开(公告)号：CN115271119A
公开(公告)日：2022-11-01
申请号：CN202210891352.5
申请日：2022-07-27
Applicant: 安徽理工大学 , 国网安徽省电力有限公司
Abstract: 本发明涉及一种基于非侵入式负荷监测的工商业设备故障诊断方法和系统，通过采集工商业用户的总用电信息，并根据所述总用电信息提取工商业用户用电行为特征；然后构建非侵入式负荷监测模型，将所述用电行为特征输入到所述非侵入式负荷监测模型中，得到用电设备的设备种类、运行状态和功率消耗；提前构建多种工商业设备的设备故障诊断模型，根据所述设备种类选取对应的设备故障诊断模型，将所述运行状态和功率消耗输入至所述对应的设备故障诊断模型中，得到故障诊断结果。本发明公开的方法能够更好地适应工商业中的异构负荷，同时，无需对原始数据或特征工程进行任何繁重的预处理，端到端的算法结构具有良好的通用性和可操作性。
-
公开(公告)号：CN114662902B
公开(公告)日：2025-03-18
申请号：CN202210280160.0
申请日：2022-03-21
Applicant: 安徽理工大学
IPC: G06Q10/0637 , G06Q10/04 , G06Q50/06 , G06N3/006
Abstract: 本发明公开了一种基于自适应鲸鱼优化的电力负荷特征筛选方法，包括：采集不同类型电力负荷在一个连续采样周期内的电压、电流、有功功率和无功功率；分别提取电压、电流、有功功率和无功功率的时域特征和频域特征；将时域特征和频域特征合并，得到电力负荷的时域和频域联合特征；基于自适应鲸鱼优化算法对电力负荷的时域和频域联合特征进行特征筛选，得到电力负荷的筛选特征。本发明在提取电力数据的时域特征和频域特征基础上，借助自适应鲸鱼优化算法实现电力负荷特征的准确筛选，得到了电力负荷的筛选特征，减少了原始时域特征和频域特征的冗余信息，提高了电力负荷辨识的精度和速度。
-
公开(公告)号：CN114912545B
公开(公告)日：2024-06-14
申请号：CN202210657083.6
申请日：2022-06-10
Applicant: 安徽理工大学
IPC: G06F18/241 , G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于优化VMD算法和DBN网络的电力负荷分类方法，其特征在于，包括：获取多个负荷在采样周期内的电力负荷数据，并对电力负荷数据进行预处理；通过优化VMD算法对预处理后的电力负荷数据进行分解，并从分解向量中提取特征向量；将特征向量输入至训练后的DBN神经网络中进行负荷分类；通过该方法可以将优化VMD算法和DBN神经网络相结合，从而实现对用电负荷进行精准分类。
-
公开(公告)号：CN114912545A
公开(公告)日：2022-08-16
申请号：CN202210657083.6
申请日：2022-06-10
Applicant: 安徽理工大学
Abstract: 本发明公开了基于优化VMD算法和DBN网络的电力负荷分类方法，其特征在于，包括：获取多个负荷在采样周期内的电力负荷数据，并对电力负荷数据进行预处理；通过优化VMD算法对预处理后的电力负荷数据进行分解，并从分解向量中提取特征向量；将特征向量输入至训练后的DBN神经网络中进行负荷分类；通过该方法可以将优化VMD算法和DBN神经网络相结合，从而实现对用电负荷进行精准分类。
-
公开(公告)号：CN114662902A
公开(公告)日：2022-06-24
申请号：CN202210280160.0
申请日：2022-03-21
Applicant: 安徽理工大学
Abstract: 本发明公开了一种基于自适应鲸鱼优化的电力负荷特征筛选方法，包括：采集不同类型电力负荷在一个连续采样周期内的电压、电流、有功功率和无功功率；分别提取电压、电流、有功功率和无功功率的时域特征和频域特征；将时域特征和频域特征合并，得到电力负荷的时域和频域联合特征；基于自适应鲸鱼优化算法对电力负荷的时域和频域联合特征进行特征筛选，得到电力负荷的筛选特征。本发明在提取电力数据的时域特征和频域特征基础上，借助自适应鲸鱼优化算法实现电力负荷特征的准确筛选，得到了电力负荷的筛选特征，减少了原始时域特征和频域特征的冗余信息，提高了电力负荷辨识的精度和速度。
-
-
-
-
Search Results
5
records
(took 0.028 seconds)
