基于马尔可夫转移场和轻量级网络的非侵入式负荷识别OA北大核心CSTPCD
负荷识别是非侵入式负荷监测(non-intrusive loadmonitoring,NILM)的关键一步。针对目前识别方法存在网络参数量大、识别率低的局限性,提出了一种基于马尔可夫转移场(Markov transition field,MTF)和轻量级网络的非侵入式负荷识别方法。首先,利用归一化后的电压电流计算马尔可夫状态转移矩阵,在时域上排列每个状态转移概率构建MTF。其次,对MTF降采样以适应神经网络的学习,利用伪彩色编码技术得到RGB彩色…查看全部>>
张帅;程志友;田甜;徐正林;杨猛
安徽大学互联网学院,安徽合肥230039安徽大学互联网学院,安徽合肥230039 教育部电能质量工程研究中心(安徽大学),安徽合肥230601安徽大学互联网学院,安徽合肥230039安徽大学互联网学院,安徽合肥230039安徽大学电子信息工程学院,安徽合肥230601
动力与电气工程
非侵入式负荷识别数据图像化马尔可夫转移场SimAM无参注意力轻量级网络
《电力系统保护与控制》 2024 (17)
P.51-61,11
国家自然科学基金项目资助(61672032)安徽省自然科学基金项目资助(2108085QE237)。
评论