典型文献
基于卷积神经网络的非侵入式负荷监测方法
文献摘要：
从深度学习与边缘计算的角度,对适用于电力物联网的非侵入式负荷监测方法展开了研究.针对NILM系统在物联网场景下的部署问题,提出了一种新的边缘计算架构,并讨论了各组成部分的任务分配.针对负荷激活在线提取问题,提出了基于离散度和用电行为规律分析的激活判断策略;针对低频采样下的负荷特征问题,提出了一种可自动提取激活特征并识别类型的卷积神经网络架构,并通过分析负荷激活的背景功率、功率波动等特性,定义了三个一般性特征作为补充.最后,在民用数据集上进行了实验,证明了文中算法在泛化性能和计算效率方面的提升.
文献关键词：
非侵入式负荷监测;负荷分解;智能用电;深度学习;卷积神经网络;边缘计算
中图分类号：
作者姓名：
刘一铭;李惠民;王乐挺;Hasan RAFIQ
作者机构：
山东理工大学电气与电子工程学院,山东淄博255049;山东网聪信息科技有限公司,济南250013;山东大学电气工程学院,济南250100
文献出处：
引用格式：
[1]刘一铭;李惠民;王乐挺;Hasan RAFIQ-.基于卷积神经网络的非侵入式负荷监测方法)[J].电测与仪表,2022(01):148-154
A类：
B类：
非侵入式负荷监测,监测方法,边缘计算,电力物联网,NILM,计算架构,任务分配,在线提取,离散度,用电行为,行为规律,规律分析,负荷特征,特征问题,自动提取,神经网络架构,功率波动,一般性,泛化性能,计算效率,负荷分解,智能用电
AB值：
0.364496
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
