买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明公布】基于多特征事件分类的非侵入式负荷分解方法及系统_河北工业大学_202310208074.3 

申请/专利权人:河北工业大学

申请日:2023-03-07

公开(公告)日:2023-05-26

公开(公告)号:CN116166992A

主分类号:G06F18/241

分类号:G06F18/241;G06F18/214;G06N3/0464;G06N3/084

优先权:

专利状态码:在审-实质审查的生效

法律状态:2023.06.13#实质审查的生效;2023.05.26#公开

摘要:本发明为基于多特征事件分类的非侵入式负荷分解方法及系统,分解方法利用时频域特征对事件进行分类,能够根据事件分类结果,可以确定设备的工作时间段,定位设备工作区间,利用Transformer的自注意力机制忽略设备不运行期间的数据,根据定位好的工作区间,能将注意力集中于目标设备工作区间,能够更好的预测目标设备的运行功率。

主权项:1.一种基于多特征事件分类的非侵入式负荷分解方法,其特征在于,所述负荷分解方法包括:步骤1:从已有负荷数据集中获取待研究负荷种类的总功率数据,并确定每种负荷的功率数据真值;步骤2:对待研究负荷的数据进行预处理,获得处理后的总功率数据和每种负荷的功率数据真值,并对处理后的总功率数据进行事件检测,得到多个负荷的M个状态变化量;所述事件检测的过程是:设定滑动窗口的长度,对处理后的总功率数据进行滑动窗口处理,一个滑动窗口长度对应一个原始功率序列,采用滑动窗口法分别计算窗口内的均值,并让原始功率序列减去均值序列,获得残差功率序列,使得负荷的事件映射到零点附近,在事件发生时,对于功率特征会产生阶跃性变化的简单负荷来说,比较残差功率的极值和斜率,如果极值和斜率都超过设定的相应阈值,则判断有事件发生;对于过渡时间长的复杂负荷,通过比较窗口内残差功率的过零点个数是否超过过零阈值判断是否有事件发生;步骤3:构建分类数据集选出发生事件的原始功率序列及对应的残差功率序列,对发生事件的原始功率序列进行阶梯化处理,阶梯化处理后的原始功率序列,经过FFT处理后,得到与原始功率序列相同长度的幅值序列和相位序列;幅值序列、相位序列、残差功率序列和原始功率序列构成多负荷特征,最后将多负荷特征拼接后作为一个样本,每个样本对应着负荷的状态变化量;以待研究负荷的数据的大量样本与对应的负荷的状态变化量构成分类数据集;步骤4:利用分类数据集训练CNN网络模型,CNN网络模型的输入为多负荷特征,CNN网络模型的输出节点个数为所有种类负荷的所有状态变化量数量的总和+1;加1表示CNN网络模型对无事件进行判别;训练后的CNN网络模型用于对检测到的事件序列进行分类,得到各个负荷的开关事件结果;步骤5:将利用训练后的CNN网络模型获得事件分类的结果,根据事件分类结果对目标负荷的工作区间定位,在处理后的总功率数据中对没有工作的区间进行遮掩屏蔽,利用遮掩后的总功率数据和对应处理后的每个负荷的功率数据真值训练Transformer网络模型;利用训练后的Transformer网络模型对输入的总负荷进行负荷分解,得到目标设备的功率波形。

全文数据:

权利要求:

百度查询: 河北工业大学 基于多特征事件分类的非侵入式负荷分解方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。