一种关联RNN模型的非侵入式负荷辨识方法

一种关联RNN模型的非侵入式负荷辨识方法

为了进一步拓展监督学习方法在非侵入式负荷辨识中的应用,提出了一种关联循环神经网络(Recurrent Neural Networks,RNN)模型的负荷辨识方法.在该方法中,首先引入了时间窗负荷事件检测方法,提取谐波分量作为负荷特征,并将负荷特征作为RNN模型的输入.然后根据其对历史输入特征量的记忆建立由输入映射到输出的内在关联,从而建立面向时间序列输入的RNN负荷辨识方法.进一步地,为了避免"梯度消失"问题,选择了最佳的激活函数和损失函数.最后,通过单负荷辨识、多负荷辨识的实测实验,证实了所提关联RNN模型的负荷辨识方法能够有效地实现用户内部负荷设备状态的辨识要求....

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Veröffentlicht in:电力系统保护与控制 2019-07, Vol.47 (13), p.162-170
Hauptverfasser: 刘恒勇, 史帅彬, 徐旭辉, 周东国, 闵若琳, 胡文山
Format: Artikel
Sprache:chi
Online-Zugang:Volltext
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page 170
container_issue 13
container_start_page 162
container_title 电力系统保护与控制
container_volume 47
creator 刘恒勇
史帅彬
徐旭辉
周东国
闵若琳
胡文山
description 为了进一步拓展监督学习方法在非侵入式负荷辨识中的应用,提出了一种关联循环神经网络(Recurrent Neural Networks,RNN)模型的负荷辨识方法.在该方法中,首先引入了时间窗负荷事件检测方法,提取谐波分量作为负荷特征,并将负荷特征作为RNN模型的输入.然后根据其对历史输入特征量的记忆建立由输入映射到输出的内在关联,从而建立面向时间序列输入的RNN负荷辨识方法.进一步地,为了避免"梯度消失"问题,选择了最佳的激活函数和损失函数.最后,通过单负荷辨识、多负荷辨识的实测实验,证实了所提关联RNN模型的负荷辨识方法能够有效地实现用户内部负荷设备状态的辨识要求.
doi_str_mv 10.19783/j.cnki.pspc.180785
format Article
fullrecord <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_jdq201913022</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>jdq201913022</wanfj_id><sourcerecordid>jdq201913022</sourcerecordid><originalsourceid>FETCH-LOGICAL-s992-c09741819a1e622cd642a1e9f9a54e890105991d788612243fb894e364099a363</originalsourceid><addsrcrecordid>eNotjbtKA0EUQKdQMMR8ga3trnPnfUsJviBEkPRhsg_JKmt0EVsFYyPBJloIRixC0llEUUHyNdnN-BcGtDqnOoeQNaA-oDZ8I_GD9Kjtd7JO4IOh2sglUgKlhccFyBVSybJ2i1IOUiqDJaJmn5fzUS_vTtxV_6BeL8Yv-eB2_nj98zSYTd_z7jD_vnNvz6734aZj93pTPHwVk_tVshzb4yyq_LNMGttbjequV9vf2atu1rwMkXkBRS3AAFqIFGNBqARbKMZopYgMUqASEUJtjALGBI9bBkXElaCIliteJut_2QubxjY9bCYn52fpYthMwlNGAYFTxvgviUJYWw</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>一种关联RNN模型的非侵入式负荷辨识方法</title><source>DOAJ Directory of Open Access Journals</source><creator>刘恒勇 ; 史帅彬 ; 徐旭辉 ; 周东国 ; 闵若琳 ; 胡文山</creator><creatorcontrib>刘恒勇 ; 史帅彬 ; 徐旭辉 ; 周东国 ; 闵若琳 ; 胡文山</creatorcontrib><description>为了进一步拓展监督学习方法在非侵入式负荷辨识中的应用,提出了一种关联循环神经网络(Recurrent Neural Networks,RNN)模型的负荷辨识方法.在该方法中,首先引入了时间窗负荷事件检测方法,提取谐波分量作为负荷特征,并将负荷特征作为RNN模型的输入.然后根据其对历史输入特征量的记忆建立由输入映射到输出的内在关联,从而建立面向时间序列输入的RNN负荷辨识方法.进一步地,为了避免"梯度消失"问题,选择了最佳的激活函数和损失函数.最后,通过单负荷辨识、多负荷辨识的实测实验,证实了所提关联RNN模型的负荷辨识方法能够有效地实现用户内部负荷设备状态的辨识要求.</description><identifier>ISSN: 1674-3415</identifier><identifier>DOI: 10.19783/j.cnki.pspc.180785</identifier><language>chi</language><publisher>深圳供电局有限公司,广东 深圳,518048%武汉大学动力与机械学院,湖北 武汉,430072</publisher><ispartof>电力系统保护与控制, 2019-07, Vol.47 (13), p.162-170</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><lds50>peer_reviewed</lds50><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/jdq/jdq.jpg</thumbnail><link.rule.ids>314,778,782,862,27907,27908</link.rule.ids></links><search><creatorcontrib>刘恒勇</creatorcontrib><creatorcontrib>史帅彬</creatorcontrib><creatorcontrib>徐旭辉</creatorcontrib><creatorcontrib>周东国</creatorcontrib><creatorcontrib>闵若琳</creatorcontrib><creatorcontrib>胡文山</creatorcontrib><title>一种关联RNN模型的非侵入式负荷辨识方法</title><title>电力系统保护与控制</title><description>为了进一步拓展监督学习方法在非侵入式负荷辨识中的应用,提出了一种关联循环神经网络(Recurrent Neural Networks,RNN)模型的负荷辨识方法.在该方法中,首先引入了时间窗负荷事件检测方法,提取谐波分量作为负荷特征,并将负荷特征作为RNN模型的输入.然后根据其对历史输入特征量的记忆建立由输入映射到输出的内在关联,从而建立面向时间序列输入的RNN负荷辨识方法.进一步地,为了避免"梯度消失"问题,选择了最佳的激活函数和损失函数.最后,通过单负荷辨识、多负荷辨识的实测实验,证实了所提关联RNN模型的负荷辨识方法能够有效地实现用户内部负荷设备状态的辨识要求.</description><issn>1674-3415</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2019</creationdate><recordtype>article</recordtype><recordid>eNotjbtKA0EUQKdQMMR8ga3trnPnfUsJviBEkPRhsg_JKmt0EVsFYyPBJloIRixC0llEUUHyNdnN-BcGtDqnOoeQNaA-oDZ8I_GD9Kjtd7JO4IOh2sglUgKlhccFyBVSybJ2i1IOUiqDJaJmn5fzUS_vTtxV_6BeL8Yv-eB2_nj98zSYTd_z7jD_vnNvz6734aZj93pTPHwVk_tVshzb4yyq_LNMGttbjequV9vf2atu1rwMkXkBRS3AAFqIFGNBqARbKMZopYgMUqASEUJtjALGBI9bBkXElaCIliteJut_2QubxjY9bCYn52fpYthMwlNGAYFTxvgviUJYWw</recordid><startdate>20190701</startdate><enddate>20190701</enddate><creator>刘恒勇</creator><creator>史帅彬</creator><creator>徐旭辉</creator><creator>周东国</creator><creator>闵若琳</creator><creator>胡文山</creator><general>深圳供电局有限公司,广东 深圳,518048%武汉大学动力与机械学院,湖北 武汉,430072</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>20190701</creationdate><title>一种关联RNN模型的非侵入式负荷辨识方法</title><author>刘恒勇 ; 史帅彬 ; 徐旭辉 ; 周东国 ; 闵若琳 ; 胡文山</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-LOGICAL-s992-c09741819a1e622cd642a1e9f9a54e890105991d788612243fb894e364099a363</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2019</creationdate><toplevel>peer_reviewed</toplevel><toplevel>online_resources</toplevel><creatorcontrib>刘恒勇</creatorcontrib><creatorcontrib>史帅彬</creatorcontrib><creatorcontrib>徐旭辉</creatorcontrib><creatorcontrib>周东国</creatorcontrib><creatorcontrib>闵若琳</creatorcontrib><creatorcontrib>胡文山</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>电力系统保护与控制</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>刘恒勇</au><au>史帅彬</au><au>徐旭辉</au><au>周东国</au><au>闵若琳</au><au>胡文山</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>一种关联RNN模型的非侵入式负荷辨识方法</atitle><jtitle>电力系统保护与控制</jtitle><date>2019-07-01</date><risdate>2019</risdate><volume>47</volume><issue>13</issue><spage>162</spage><epage>170</epage><pages>162-170</pages><issn>1674-3415</issn><abstract>为了进一步拓展监督学习方法在非侵入式负荷辨识中的应用,提出了一种关联循环神经网络(Recurrent Neural Networks,RNN)模型的负荷辨识方法.在该方法中,首先引入了时间窗负荷事件检测方法,提取谐波分量作为负荷特征,并将负荷特征作为RNN模型的输入.然后根据其对历史输入特征量的记忆建立由输入映射到输出的内在关联,从而建立面向时间序列输入的RNN负荷辨识方法.进一步地,为了避免"梯度消失"问题,选择了最佳的激活函数和损失函数.最后,通过单负荷辨识、多负荷辨识的实测实验,证实了所提关联RNN模型的负荷辨识方法能够有效地实现用户内部负荷设备状态的辨识要求.</abstract><pub>深圳供电局有限公司,广东 深圳,518048%武汉大学动力与机械学院,湖北 武汉,430072</pub><doi>10.19783/j.cnki.pspc.180785</doi><tpages>9</tpages></addata></record>
fulltext fulltext
identifier ISSN: 1674-3415
ispartof 电力系统保护与控制, 2019-07, Vol.47 (13), p.162-170
issn 1674-3415
language chi
recordid cdi_wanfang_journals_jdq201913022
source DOAJ Directory of Open Access Journals
title 一种关联RNN模型的非侵入式负荷辨识方法
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-16T19%3A23%3A45IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E4%B8%80%E7%A7%8D%E5%85%B3%E8%81%94RNN%E6%A8%A1%E5%9E%8B%E7%9A%84%E9%9D%9E%E4%BE%B5%E5%85%A5%E5%BC%8F%E8%B4%9F%E8%8D%B7%E8%BE%A8%E8%AF%86%E6%96%B9%E6%B3%95&rft.jtitle=%E7%94%B5%E5%8A%9B%E7%B3%BB%E7%BB%9F%E4%BF%9D%E6%8A%A4%E4%B8%8E%E6%8E%A7%E5%88%B6&rft.au=%E5%88%98%E6%81%92%E5%8B%87&rft.date=2019-07-01&rft.volume=47&rft.issue=13&rft.spage=162&rft.epage=170&rft.pages=162-170&rft.issn=1674-3415&rft_id=info:doi/10.19783/j.cnki.pspc.180785&rft_dat=%3Cwanfang_jour%3Ejdq201913022%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=jdq201913022&rfr_iscdi=true