基于EEMD与CNN模型的多标签负荷识别方法
文档名：基于EEMD与CNN模型的多标签负荷识别方法
摘要：识别用户用电负荷组成与用电行为是智能电网技术发展的重要研究内容之一.本文提出了一种基于集合经验模态分解(EEMD)结合卷积神经网络(CNN)的多标签负荷识别方法,实现对用户负荷有效的非侵入式监测.首先从检测到事件的聚合测量数据中提取单周期电流波形,应用集合经验模态分解将电流分解为两种模态分量,接着应用欧氏距离相似度函数将分解后的电流转化为二维矩阵表示,通过CNN多标签分类器自动提取矩阵的有效特征,最后利用公开数据集对所提出的方法进行了实验验证.结果表明,基于EEMD处理后的负荷识别准确率高,能够有效地实现多标签负荷识别.
作者：程志友 程安然 李悦 姜帅 Author：CHENGZhiyou CHENGAnran LIYue JIANGShuai
作者单位：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
刊名：电工电能新技术 ISTICPKU
Journal：AdvancedTechnologyofElectricalEngineeringandEnergy
年，卷(期)：2023, 42(2)
分类号：TM721
关键词：集合经验模态分解卷积神经网络欧式距离相似度函数多标签负荷识别
机标分类号：TP391TM715TN925.93
在线出版日期：2023年3月8日
基金项目：国家自然科学基金，安徽省科技重大专项，安徽省自然科学基金基于EEMD与CNN模型的多标签负荷识别方法[
期刊论文]电工电能新技术--2023, 42(2)程志友程安然李悦姜帅识别用户用电负荷组成与用电行为是智能电网技术发展的重要研究内容之一.本文提出了一种基于集合经验模态分解(EEMD)结合卷积神经网络(CNN)的多标签负荷识别方法,实现对用户负荷有效的非侵入式监测.首先从检测到事件的聚...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于EEMD与CNN模型的多标签负荷识别方法Multi-label load identification method based on EEMD and CNN model
基于EEMD与CNN模型的多标签负荷识别方法.pdf
页:
[1]