返回列表 发布新帖

基于EEMD与CNN模型的多标签负荷识别方法

21 0
admin 发表于 2024-12-14 12:49 | 查看全部 阅读模式

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
2024-12-14 12:49 上传
文件大小:
2.93 MB
下载次数:
60
高速下载
【温馨提示】 您好!以下是下载说明,请您仔细阅读:
1、推荐使用360安全浏览器访问本站,选择您所需的PDF文档,点击页面下方“本地下载”按钮。
2、耐心等待两秒钟,系统将自动开始下载,本站文件均为高速下载。
3、下载完成后,请查看您浏览器的下载文件夹,找到对应的PDF文件。
4、使用PDF阅读器打开文档,开始阅读学习。
5、使用过程中遇到问题,请联系QQ客服。

本站提供的所有PDF文档、软件、资料等均为网友上传或网络收集,仅供学习和研究使用,不得用于任何商业用途。
本站尊重知识产权,若本站内容侵犯了您的权益,请及时通知我们,我们将尽快予以删除。
  • 手机访问
    微信扫一扫
  • 联系QQ客服
    QQ扫一扫
2022-2025 新资汇 - 参考资料免费下载网站 最近更新浙ICP备2024084428号-1
关灯 返回顶部
快速回复 返回顶部 返回列表