注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 非侵入式负载检测

  2. 非侵入式负荷监测（ＮＩＬＭ）是未来电力负荷监测的重要发展方向之一。不同类型电力负荷在投切过程中，通常会表现出独特的暂态特征。据此，ＮＩＬＭ 能够克服利用负荷稳态特征信息进行负荷辨识的局限性，实现对整个变电站、建筑物内部负荷集群的分解与分析。提出了一种信号预处理算法———基于滑动窗的双边累积和（ＣＵＳＵＭ）暂态事件自动检测算法，它能根据相关信号准确检测到负荷投切等引起的暂态过程、发生时刻等重要信息，并触发相关程序把暂态信息记录下来，然后送给后台高级应用程序作进一步处理。算例仿真表明了所述算法的有

  3. 所属分类：算法与数据结构

    • 发布日期：2018-03-28
    • 文件大小：644096
    • 提供者：xqhuang888

  1. 非侵入式负荷监测与分解研究综述

  2. 非侵入式负荷监测与分解研究综述非侵入式负荷监测与分解研究综述非侵入式负荷监测与分解研究综述非侵入式负荷监测与分解研究综述非侵入式负荷监测与分解研究综述

  3. 所属分类：其它

    • 发布日期：2018-01-20
    • 文件大小：468992
    • 提供者：jianduoyou8445

  1. nilmtk-contrib-master.zip

  2. 序列到点网络nilm，即基于序列到点的深度CNN神经网络，进行非侵入式负荷分解

  3. 所属分类：深度学习

    • 发布日期：2020-04-15
    • 文件大小：117760
    • 提供者：weixin_42923190

  1. 基于整数规划的非侵入式电力负荷在线分解

  2. 基于整数规划的非侵入式电力负荷在线分解，张晓，张建文，基于电器正常工作时的稳态电流波形具有周期性和规律性的特点，提出了一种利用电器稳态电流作为识别特征量的非侵入电力负荷在线分

  3. 所属分类：其它

    • 发布日期：2020-01-11
    • 文件大小：351232
    • 提供者：weixin_38528939

  1. 非侵入式负荷分解PDF版代码.pdf

  2. 非侵入式负荷分解代码。。 简单版实现。只是让大家看懂。并理解什么是电力负荷分解。非侵入式电力负荷监测，简单来说，就是通过家庭入口处（就是电表）的各项特征（就是有功，电流，电压什么的），用各种算法来得到家里每个电器的状态（用了没，用在几档）和电器耗电情况（每个电器的负荷运行曲线，或者每天，每月耗电量）。

  3. 所属分类：深度学习

    • 发布日期：2020-07-11
    • 文件大小：1048576
    • 提供者：KOBEYU652453

  1. 计及电器状态关联规则的非侵入式负荷分解

  2. 非侵入式负荷监测与分解(NILMD)是获取电器用电信息的关键技术，针对当前NILMD缺乏考虑不同电器关联运行的用电模式和电器状态的强波动性以致分解精度低的问题，提出一种计及电器状态关联规则的新型负荷分解方法。通过仿射传播聚类提取电器的运行状态，基于互信息熵，运用关联规则算法挖掘电器状态的关联性；调整含关联规则的样本权值并结合k近邻算法实现状态辨识；利用极大似然估计完成负荷功率分解。测试算例验证了所提方法的有效性和准确性。

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：1048576
    • 提供者：weixin_38732454

  1. 基于聚类和关联分析的居民用户非侵入式负荷分解

  2. 现有的非侵入式负荷监测方法主要采用监督学习模型，该类模型需要具有针对性的大量训练数据，而且无法有效识别在训练数据中未出现的负荷。在分析多种家用电器负荷特征的基础上，选取负荷投切过程中暂态功率波形和功率变量作为负荷特征，并提出一种基于聚类和关联分析的无监督学习居民用户非侵入式负荷分解方法。首先根据功率变化情况提取电流和电压数据，并计算得到暂态功率波形；然后通过动态时间规整算法计算当前暂态功率波形与历史暂态功率波形的匹配度，并利用动态聚类算法和其他暂态负荷特征判别该功率波形对应的负荷操作；最后以周为

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：3145728
    • 提供者：weixin_38732842

  1. 基于监督学习的非侵入式负荷监测算法比较

  2. 非侵入式负荷监测(NILM)能够在不干扰用户正常用电的情况下，低成本地实现用户用电设备类型的识别和用电负荷的分解，因此非常适用于家庭用户用电监测。大量智能电表在家庭用户中的安装为居民NILM提供了数据支撑，也使得居民NILM研究成为热点。基于家庭负荷稳态电流样本，采用负荷电流谐波系数作为负荷分类特征，建立了基于多层感知器(MLP)神经网络、k-近邻算法、逻辑回归、支持向量机的4种NILM分类模型，利用BLUED数据库对4种分类器进行训练和测试，对比分析其在识别精度、训练时间、识别速度和抗噪能力方

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：1048576
    • 提供者：weixin_38688097

  1. 基于大数据的电力负荷自动监测系统设计

  2. 传统的自动监测系统在监测非侵入式电力负荷时，只能针对某一类型的电力负荷进行监测，而且不具备电力负荷分解能力，很难将两个同时工作的电力负荷拆分开来单独监测，监测范围小，监测结果准确性低。为此基于大数据技术设计了一种新的电力负荷自动监测系统，设计了系统的监测器和数据采集器，构建了电力负荷特征库。根据建立的硬件系统设计了软件工作流程，共分为非侵入式电力负荷数据采集、非侵入式电力负荷数据提取、非侵入式电力负荷数据处理、非侵入式电力负荷数据分解和非侵入式电力负荷数据追踪五步，对每一步做了详尽地解释。由实验

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：1048576
    • 提供者：weixin_38611812

  1. 考虑物理特征与行为因素的家庭用能特性建模

  2. 针对常规负荷建模与预测未考虑用户的行为特性，并且需要大量历史数据作为研究基础的问题，提出一种考虑物理特征与行为因素的家庭用能特性建模方法。以家庭能源中心作为研究对象，在介绍总体分析流程的同时，归纳外部需求、内部转换以及终端能源负荷类型；考虑物理特征与行为因素，建立电器设备的用能模型，并提出模型扩展方法；在此基础上，通过非侵入式负荷分解与马尔可夫链相结合的方法分析模拟用户的用能行为。算例分析表明，所提方法具有独立刻画负荷肖像曲线的能力，不再依赖大量数据进行派生驱动。

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：2097152
    • 提供者：weixin_38670420

  1. 基于时间序列的居民用户非侵入式负荷分解研究

  2. 针对传统的机器学习方法识别准确度低的问题，非侵入式负荷分解因其充分利用现有智能电能计量装置采集的数据，无需对计量装置与线路进行改造，得到了广泛应用。文中分析多种非侵入式负荷分解的深度学习方法，提出基于上下文信息的序列到点的非侵入式负荷分解方法。通过在采集的长时间序列上设置滑动获取输入的待识别序列，使用输入侧的一段时间区间内的中间位置作为输出侧值，大幅缩小计算量。将对应的目标设备作为单点输出，该方法通过卷积神经网络学习到目标设备的特征，并将这些特征加入模型，有效降低了误识别率。实验结果表明，使用该

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：1048576
    • 提供者：weixin_38535221