- 博客(11)
- 收藏
- 关注
RSS订阅原创 非侵入式负荷监测－采集设备
好久没写了，今天来更新一下采集设备。NILM的一个大难点，就是如何获得足够多，有效的数据，以及如何建立相应的数据库。现在国内前言的研究单位都有自己的采集设备或者与相应的公司合作来获得一手的数据。下面我将通过朋友开发的一款设备来介绍采集设备的功能。............
2022-08-30 09:47:48
1375
5
原创 何为非侵入式负荷监测-目标检测
上一篇忘记说明一点：组合优化和隐马尔可夫模型我归为一类，但是没有写关于隐马尔可夫模型的内容，这是因为近几年已经很少见到这样的文献了，所以我研究的不多，就不献丑了。本篇是主要是讨论，暂为看到有文献发表。关于如何把非侵入式负荷监测建模为目标检测任务。 目标检测任务=分类+定位[1] 如图所示，目标检测是先定位图片中的动物，再将动物分类为猫或者狗。如果在非侵入式负荷监测中定位就等于是事件检测、分类就等于是负荷辨识，这不就是目标检测吗？ 目标检测发展历程：在利用深度学习做物
2022-07-12 10:25:45
1309
2
原创 何为非侵入式负荷监测之组合优化
组合优化技术路线是不需要进行训练和测试，建立特征数据库后既可以直接对总负荷数据进行“分解”。组合优化的算法很多，所有能应用于整数规划的算法都是可以用的，常见的就是各种种群算法，以及他们的变体。也有听说要用神经网络做的，不过我还没见过，也没有研究，如果有这么干的同学，欢迎一起讨论。该技术路线核心在于2个部分：目标函数（适应度）和寻优算法。 研究者们在目标函数这里下了不少功夫，目标函数的目的就是将总负荷的有功功率分解成已有电器运行的有功功率，其他的参数都是辅助算法得到更精确结果。 最
2022-07-11 09:19:26
772
2
原创 何为非侵入式负荷分解-深度学习算法实现
做负荷分解的网络很多，本篇用contrib中的几个网络对AMPds数据集进行训练和测试。本篇内容较短。仅展示部分网络的代码和结果。seq2pointdae3 结果展示CDEDWEFREHPETVE 负荷分解就是不断在复现模型，修改模型的过程。效果好了，就能写论文了。欢迎大家讨论最新的网络，之后有时间也会更新对于一些新网络的复现。...
2022-07-10 07:39:21
2993
9
原创 何为非侵入式负荷分解
有同学提出了一些问题，我在这里再说明一次。 1）深度学习算法应用于非侵入式负荷分解是不需要事件检测的吗？ 回答：是的，不需要事件检测。深度学习算法应用于负荷辨识的话，必须要有事件检测。 2）负荷分解和负荷识别的实时性问题：是不是负荷分解的实时性差，需要1个星期，甚至好几个月的数据，所以实时性很差。负荷识别只需要几分钟，或者几小时的数据，所以实时性更好？ 这里与是哪种技术路线无关，只和你的流程，流程中的算法有关。首先，上面提到的数据是指用来训练模型时用到
2022-07-09 16:08:39
2021
2
原创 何为非侵入式负荷识别-负荷辨识(深度学习）
正如之前所说的，在研究深度学习做负荷辨识时，我们更应该关注的是网络的输入和输出分别是什么。如果大家想发文章的话，或许这个远比你的网络结构来的重要。毕竟网络你只需要换一换就不一样了。神经网络做分类时，输出一般是固定的，也就是01向量。而输入则“五花八门”，常见的有各种各样的特征值组成的向量，有图像特征（一般是VI轨迹），还有采样序列，但这并不能限制研究者们的创造力，研究者们开始研究以下几种组合：1）将特征值和图像特征直接融合，即输入是向量和图像数据；2）将特征值用热码表示，并和图像矩阵拼接起来，输入仍然是图像
2022-07-08 06:28:23
2065
3
原创 何为非侵入式负荷识别-负荷辨识(传统机器学习）
其实我觉得这个部分可能没什么好讲的，但是我确实也遇到一些同学刚入门时搞不懂怎么去做负荷辨识，这篇主要针对这部分同学。本篇用支持向量机(SVM)作为代表，介绍传统机器学习算法在负荷辨识的应用。在介绍完方法后，我也会讨论SVM有哪些有趣的变体。 数据集就是很多个特征向量组成的矩阵，最后一列是标签，如下图所示。 SVM是一种监督学习方法，其输入是一个个代表样本特征的向量，样本空间则是由输入的向量共同张成的空间。基本想法是根据已有的样本集合在样本空间内找到一个超平面，使不同类别的样本处在
2022-07-07 08:46:40
2643
原创 何为非侵入式负荷识别-负荷辨识
在负荷识别中负荷辨识一直是被建模为分类任务，因此一切能用于分类的算法和模型都可以研究。不管是什么算法，只有特征选的好才能最大程度发挥算法的性能。最开始Hart使用了有功功率和无功功率。在那以后的一段时间内，研究者们主要是提出了各种特征，如电流有效值、电流谐波、vi轨迹特征以及暂态特征等。这些都是需要对原始数据进行再处理，因此若特征选择的不对，又或者太多，就会导致原始数据的信息丢失或者冗余。最开始，研究者们主要研究的是传统的机器学习算法，如支持向量机、最近邻KNN算法等等分类器。近些年，越来越多的人开始研究深
2022-07-06 15:51:05
2122
原创 何为非侵入式负荷识别-特征提取
虽然没有人这么在文献中写道，但是我一直都认为事件检测是负荷识别的基础，特征提取是关检，负荷辨识只是一个简单的分类任务。不是说负荷辨识不重要，而是如果事件检测未检测到有电器状态发生变化，那就别谈后面的环节了，如果特征选的不好，哪怕你这个分类算法再厉害也无济于事，因此我更在看重负荷识别中事件检测和特征提取。特征提取部分是一个现在很难创新，但又不得不创新的环节。很多人找创新点时总是会选择几个常用的特征，然后在负荷辨识上下功夫。这也可见每个环节的难易程度。 负荷特征一般可依据负荷所处状态的不同，划分为
2022-07-05 16:18:34
3507
14
原创 何为非侵入式负荷识别-事件检测
现有的事件检测方法主要分为两类：规则检测和概率模型检测。还有其他的，但是主要是这两类。 规则检测的方法是直接观察待测信号的变化，提出一种规则作为事件检测判据，规则合理与否就决定了这类方法的准确程度。由于电器投切事件的差异性和多样性，仅凭直观经验容易漏检和误检，因而这类方法应用场景较少。概率模型检测本质上为一种统计学判断假设的问题，事件发生时序列中元素的分布或分布参数会发生变化。主要有四种方法：广义似然比(GLRT)、卡方拟合优度、贝叶斯信息准则(BIC)和累计和(CUSUM)方法。
2022-07-04 12:10:44
2663
7
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人