典型文献
基于孪生分支网络的非侵入式冲击负荷辨识方法
文献摘要：
传统边缘侧电力设备无法有效检测出对电网影响较大的冲击性负荷的设备类别与功率启停信息.为此,提出一种基于孪生分支网络的非侵入式冲击负荷辨识方法.通过总线入口处的高频采样数据提取波形的V-I轨迹特征和对角高斯谐波特征;预设多种先验信息对不同设备的冲击负荷特性进行训练,特别地,设计一种基于孪生分支结构的卷积神经网络,利用二分类交叉熵损失函数实现冲击负荷的分类辨识,同时引入最小平方误差损失函数对冲击负荷功率进行分解;使用非侵入式的方式并基于ARM Cortex-M4平台进行算法部署与识别测试.对比不同识别算法对冲击负荷的辨识能力,结果表明,当电网发生大功率冲击性波动时,孪生分支网络可以更准确地识别冲击负荷的设备类别,有效提高了对冲击负荷的辨识效果.
文献关键词：
非侵入式负荷辨识;V-I轨迹;孪生分支网络;ARM
中图分类号：
作者姓名：
宋磊;徐永进;刁瑞朋;李亦龙;陆春光;王思奎
作者机构：
国网浙江省电力有限公司营销服务中心,杭州311121;青岛鼎信通讯股份有限公司,山东 青岛266000
文献出处：
引用格式：
[1]宋磊;徐永进;刁瑞朋;李亦龙;陆春光;王思奎-.基于孪生分支网络的非侵入式冲击负荷辨识方法)[J].电测与仪表,2022(11):96-104
A类：
孪生分支网络
B类：
冲击负荷,辨识方法,边缘侧,电力设备,有效检测,冲击性负荷,启停,总线,线入,入口处,高频采样,采样数据,数据提取,对角,谐波特征,先验信息,负荷特性,分支结构,二分类交叉熵,交叉熵损失函数,平方误差损失函数,对冲,负荷功率,ARM,Cortex,M4,法部,识别算法,大功率,非侵入式负荷辨识
AB值：
0.305658
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。
