-
公开(公告)号：CN111369120A
公开(公告)日：2020-07-03
申请号：CN202010122993.5
申请日：2020-02-27
Applicant: 福州大学
IPC: G06Q10/06 , G06Q50/06 , G06N3/04 , G06N20/00 , G01R21/133
Abstract: 本发明涉及一种基于设备迁移学习的非侵入式负荷监测方法，采集各家用电器设备的负荷幅值数据与家庭总负荷幅值数据，建立原始数据集；将原始数据集的数据进行归一化处理；搭建初始化序列到点CNN模型来构建迁移学习的设备选取模型，选取迁移学习的初始数据和目标数据；采用初始数据对初始化序列到点CNN模型进行训练过程和验证过程，形成迁移学习初始模型；采用目标数据微调初始模型的全连接层，形成迁移学习目标模型；将归一化后的家庭总负荷幅值数据输入到迁移学习目标模型中，获得目标设备的功率幅值，实现对目标电器设备的非侵入式负荷监测。本发明减少了模型训练的时间，降低了非侵入式负荷监测的经济成本与时间成本。
-
公开(公告)号：CN113269314B
公开(公告)日：2022-10-28
申请号：CN202110664511.3
申请日：2021-06-16
Applicant: 福州大学
Abstract: 本发明提出一种基于生成对抗网络的新能源发电场景数据迁移方法，以历史数据大规模缺失的新能源电站为目标电站，以历史数据完整的邻近新能源电站为源电站，通过生成对抗网络模型学习源电站与目标电站之间的场景数据映射关系，进而根据源电站场景数据，生成目标电站场景数据，且所生成的数据符合真实场景数据分布规律。仅需建立C‑DCGAN模型学习目标电站与源电站数据间的映射关系，即可将源电站数据进行处理后迁移至目标电站，补全目标电站的缺失数据，能够更高效地完成数据补全，简化算法流程；通过引入Wasserstein距离与梯度惩罚函数，增加了C‑DCGAN模型的稳定性；提升了数据迁移的准确度的同时，减少了构建目标模型的时间，降低了经济成本与时间成本。
-
公开(公告)号：CN111612651B
公开(公告)日：2022-07-26
申请号：CN202010459636.8
申请日：2020-05-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于长短期记忆网络的异常电量数据检测方法。将所预测的电量数据作为实际电量数据的比较对象，并提出了一种时间窗口滑动检测方式，对所预测的电量数据加区间阈值，设置一定的天数作为时间窗口阈值，时间窗口由前向后滑动依次检测，通过检测实际值在连续的时间窗口内是否处于预测阈值之外而判断是否为异常电量数据。本发明方法适用于长时异常电量数据检测，能够快速检测由电表长期故障或者窃电行为引起的异常电量变化。
-
Patent Agency Ranking
公开(公告)号：CN110163304A
公开(公告)日：2019-08-23
申请号：CN201910513764.3
申请日：2019-06-14
Applicant: 福州大学
Abstract: 本发明涉及一种采用线性关系聚类的谐波源耦合参数辨识方法，包括以下步骤，步骤S1：根据系统短路容量和基准电压对谐波电压和谐波电流数据进行标幺化，并且利用PCA对标幺化数据进行降维处理；步骤S2：根据误差平方和确定聚类数；步骤S3：采用粒子群进化算法搜寻初始聚类中心；步骤S4：将聚类数和初始聚类中心输入K-means聚类算法中进行聚类，对谐波源的线性耦合参数进行辨识。本发明，能够从谐波监测数据中精确反映谐波源的时变伏安特性，并且对于谐波用户运行场景变化的适应性更强，从而使得谐波源参数辨识更具实用性。
-
公开(公告)号：CN113780402A
公开(公告)日：2021-12-10
申请号：CN202111041263.3
申请日：2021-09-07
Applicant: 福州大学
Abstract: 本发明涉及一种基于改进式生成对抗网络的用户窃电检测方法。该方法以真实用户用电数据为原始样本，针对正常用户和窃电用户用电行为的周期性差异，提取不同用户的周期用电特征，通过生成对抗网络模型学习窃电用户用电数据的复杂时空分布，生成窃电样本，并与原始训练集进行拼接，增强训练集中的窃电样本，而后训练窃电检测模型，实现用户窃电检测。
-
公开(公告)号：CN113269314A
公开(公告)日：2021-08-17
申请号：CN202110664511.3
申请日：2021-06-16
Applicant: 福州大学
Abstract: 本发明提出一种基于生成对抗网络的新能源发电场景数据迁移方法，以历史数据大规模缺失的新能源电站为目标电站，以历史数据完整的邻近新能源电站为源电站，通过生成对抗网络模型学习源电站与目标电站之间的场景数据映射关系，进而根据源电站场景数据，生成目标电站场景数据，且所生成的数据符合真实场景数据分布规律。仅需建立C‑DCGAN模型学习目标电站与源电站数据间的映射关系，即可将源电站数据进行处理后迁移至目标电站，补全目标电站的缺失数据，能够更高效地完成数据补全，简化算法流程；通过引入Wasserstein距离与梯度惩罚函数，增加了C‑DCGAN模型的稳定性；提升了数据迁移的准确度的同时，减少了构建目标模型的时间，降低了经济成本与时间成本。
-
公开(公告)号：CN112257784A
公开(公告)日：2021-01-22
申请号：CN202011141946.1
申请日：2020-10-22
Applicant: 福州大学
Abstract: 本发明涉及一种基于梯度提升决策树的窃电检测方法。将用户的历史日用电量作为样本特征，让单一树模型根据优化目标自动筛选最优分割特征和分割阈值，并根据迭代次数构建多个树模型组成强分类器，完成窃电检测模型训练，而后通过训练后的窃电检测模型实现窃电检测。本发明能够实现正常用户和窃电用户的分类。
-
公开(公告)号：CN111612651A
公开(公告)日：2020-09-01
申请号：CN202010459636.8
申请日：2020-05-27
Applicant: 福州大学
Abstract: 本发明涉及一种基于长短期记忆网络的异常电量数据检测方法。将所预测的电量数据作为实际电量数据的比较对象，并提出了一种时间窗口滑动检测方式，对所预测的电量数据加区间阈值，设置一定的天数作为时间窗口阈值，时间窗口由前向后滑动依次检测，通过检测实际值在连续的时间窗口内是否处于预测阈值之外而判断是否为异常电量数据。本发明方法适用于长时异常电量数据检测，能够快速检测由电表长期故障或者窃电行为引起的异常电量变化。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.014 seconds)
