一种基于LSTM-ELM的非侵入式电能负荷预测方法

    公开(公告)号:CN114139822B

    公开(公告)日:2024-08-20

    申请号:CN202111487796.4

    申请日:2021-12-07

    摘要: 本发明公开了一种基于LSTM‑ELM的非侵入式电能负荷预测方法,包括以下步骤:(1)采集非侵入式电能表电能负荷时间序列信息,对负荷信息进行异常点识别修正,并进行归一化处理;(2)平稳化处理,分解得到包含不同时间尺度的局部特征信号的本征模函数IMF分量和残差分量;(3)建立长短期记忆网络(LSTM),获取准确的高频分量序列;(4)建立极限学习机(ELM)网络,获取准确的低频分量序列;(5)建立基于LSTM‑ELM的非侵入式电能表电能负荷预测模型,实现电能负荷准确预测。本发明对非侵入式电能表电能负荷变化趋势做出判断,对局部变化细节做出精准预测,具有更好的预测准确度和性能,能解决非侵入式电能表电能负荷随机性强、负荷预测准确度不足等问题。

    一种基于LSTM-ELM的非侵入式电能负荷预测方法

    公开(公告)号:CN114139822A

    公开(公告)日:2022-03-04

    申请号:CN202111487796.4

    申请日:2021-12-07

    摘要: 本发明公开了一种基于LSTM‑ELM的非侵入式电能负荷预测方法,包括以下步骤:(1)采集非侵入式电能表电能负荷时间序列信息,对负荷信息进行异常点识别修正,并进行归一化处理;(2)平稳化处理,分解得到包含不同时间尺度的局部特征信号的本征模函数IMF分量和残差分量;(3)建立长短期记忆网络(LSTM),获取准确的高频分量序列;(4)建立极限学习机(ELM)网络,获取准确的低频分量序列;(5)建立基于LSTM‑ELM的非侵入式电能表电能负荷预测模型,实现电能负荷准确预测。本发明对非侵入式电能表电能负荷变化趋势做出判断,对局部变化细节做出精准预测,具有更好的预测准确度和性能,能解决非侵入式电能表电能负荷随机性强、负荷预测准确度不足等问题。

    一种电流信号的分割算法

    公开(公告)号:CN111461081A

    公开(公告)日:2020-07-28

    申请号:CN202010417633.8

    申请日:2020-05-18

    发明人: 袁杰 徐磊 吴鹏

    摘要: 本发明公开了一种电流信号的分割算法,将电流信号波形根据其物理特征分割成互不相同的段,它包括以下步骤:对电流信号进行下采样,只保留区间最大值和最小值,同时根据最值计算差得到顶点;根据顶点拐点检测出元段起始点,得到初始元段;分别对初始元段进行普通合并、自相似段合并和联合相似段合并,得到合并后的分段;对分段边界点进行调整,得到更准确的边界点;去掉检测出待机电流和过冲电流,留下工作电流。本方法能更快速准确的将电流信号分割成物理特征不同的分段,以利于后续的信号处理。

    一种电流信号的分类算法
    10.
    发明公开

    公开(公告)号:CN111597998A

    公开(公告)日:2020-08-28

    申请号:CN202010417871.9

    申请日:2020-05-18

    发明人: 袁杰 徐磊 吴鹏

    IPC分类号: G06K9/00 G01R19/00 G01R23/16

    摘要: 本发明公开了一种电流信号的分类算法,将电流信号波形根据其物理特征分割成互不相同的段,分别提取段的形状、统计和谐波特征,并计算分段对间的相似度。它包括以下步骤:对电流信号进行分段,分离出待机电流和过冲电流,只留下工作电流;提取工作电流段的形状分布特征;提取工作电流段的统计特征;提取工作电流段的谐波特征;计算分段对间的相似度;采用最大团搜索算法搜索分析出相似度图中的最大团集合,即为自动分出的类。本方法能将不同电器不同工作状态产生的电流信号快速准确的进行分类,以利于后续的处理。