-
公开(公告)号：CN116756653A
公开(公告)日：2023-09-15
申请号：CN202310738065.5
申请日：2023-06-20
申请人： 华中科技大学
IPC分类号： G06F18/2415 , G06F18/214 , G06F17/15 , G06Q50/06
摘要： 本发明公开了一种基于多尺度差分量化的异常用电检测方法，属于用电行为分析技术领域。方法包括：获取用电量时序数据并进行预处理后，作为训练样本集；搭建包括多尺度差分卷积模块、量化模块以及分类模块的异常用电检测模型；所述多尺度差分卷积模块利用多尺度差分卷积核对所述训练样本集中的数据进行卷积操作得到多个通道的差分数据；所述量化模块根据量化级数确定各分位点，再针对每个通道，获取各分位点对应的差分数据作为量化阈值，从而得到所有差分数据对应的量化数据；将所有量化数据输入分类模块，并以最小化分类损失为目标，对所述异常用电检测模型进行训练；训练后的模型用于异常用电检测。
-
公开(公告)号：CN114970729A
公开(公告)日：2022-08-30
申请号：CN202210609391.1
申请日：2022-05-31
申请人： 华中科技大学
摘要： 本发明公开了一种面向智能电网的异常用电时间区间检测方法，方法包括：基于专家知识筛选出候选区间，根据候选区间与真实异常用电时间区间的重叠率是否超过阈值来判断该候选区间是否为真实异常用电时间区间；将异常用电量时序数据输入到特征提取网络，得到特征图，再分别经过不同的候选区间进行区域加权，得到对应的加权特征图，再分别输入到分类网络和回归网络中，得到预测的候选区间标签和预测的异常用电时间区间；使用真实候选区间标签和真实异常用电时间区间作为真实标签计算损失，直至模型收敛；利用收敛的模型检测异常用电时间区间。能够有效在冗余信息与噪声较多的长时序数据中提取关键信息，既提高了检测速度，也提高了检测的精确度。
-
公开(公告)号：CN111639586B
公开(公告)日：2022-03-18
申请号：CN202010460278.2
申请日：2020-05-27
申请人： 华中科技大学
摘要： 本发明公开了一种非侵入式负荷识别模型构建方法、负荷识别方法及系统，属于非侵入式负荷识别领域，包括：建立包括特征提取模块、分类器模块和相似性度量模块的待训练模型；由多个家庭的电器样本构成训练集；从训练集选取h个家庭，每个家庭选取k个样本，输入特征提取模块，得到电器特征；将电器特征输入分类器模块转换为类别标签，并计算类别损失；将电器特征输入相似性度量模块，将每两个家庭的电器特征对应拼接，并计算相似性损失；以两个损失之和为整体损失，更新模型参数以最小化整体损失；重复训练多轮后，由特征提取模块和分类器模块构成负荷识别模型。本发明能够构建一种具有域泛化能力的负荷识别模型，提高非侵入式负荷识别的精度。
-
公开(公告)号：CN111832627A
公开(公告)日：2020-10-27
申请号：CN202010567241.X
申请日：2020-06-19
申请人： 华中科技大学
摘要： 本发明公开了一种抑制标签噪声的图像分类模型训练方法、分类方法及系统，属于图像分类任务领域，包括：将图像数据集划分为训练集和验证集，利用训练集对图像分类模型进行有监督训练；遍历训练集，获得各样本的在模型输出层产生的梯度，并估计梯度模长分布，以计算训练集中样本被错误标定的概率，由此划分出错误标定样本子集和正确标定样本子集；若错误标定样本过少，则利用正确标定样本子集对模型进行有监督训练；否则，舍弃错误标定样本的类别标签后，利用两个样本子集结合半监督学习算法更新模型参数；重复遍历训练集至更新模型参数的步骤直至模型收敛。本发明能够从样本层面降低神经网络模型拟合错标定样本的风险，提高图像分类的准确率。
-
公开(公告)号：CN107247962B
公开(公告)日：2019-07-05
申请号：CN201710366273.1
申请日：2017-05-23
申请人： 华中科技大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于滑动窗口的实时电器识别方法和系统，其中方法的实现包括：采集样本电器组合的电表功率数据，提取样本上升沿向量，得到样本集，标定样本上升沿向量所属电器类型；计算得到边沿滑动窗口的长度We，利用边沿滑动窗口的长度进行约束，得到滑动窗口的长度Wt和边沿窗口滑动距离L；根据边沿滑动窗口的长度和滑动窗口的长度，从采集到的实时功率数据中提取上升沿向量，将上升沿向量的起点作为边沿滑动窗口的起点，滑动L‑1次，加上上升沿向量得到L个滑动上升沿向量，滑动上升沿向量和样本上升沿向量的距离最小时对应的样本上升沿向量的电器类型为滑动上升沿向量的电器类型。本发明实时电器识别准确率高，识别效率高。
-
公开(公告)号：CN107179455B
公开(公告)日：2019-04-23
申请号：CN201710290614.1
申请日：2017-04-27
申请人： 华中科技大学
摘要： 本发明公开了一种基于边沿特征向量模型的实时电器识别方法和系统，其中方法的实现包括：采集样本电器组合的电表功率数据，提取功率数据的单边沿，将单边沿组合成连续边沿；根据连续边沿中单边沿数量和幅度，判定连续边沿是否包含非等幅震荡边沿、等幅震荡边沿、上升带回勾边沿、尖峰冲激边沿、普通上升边沿中的一种或多种，并提取对应的边沿特征向量；得到多个样本电器组合的功率数据与边沿特征向量之间映射关系的边沿特征向量模型；采集待识别电器的电表实时功率数据，利用边沿特征向量模型得到对应的实时特征向量，基于实时特征向量识别电器。本发明将电器识别从离线领域引申到实时识别，有了更好的实用性和可操作性。
-
公开(公告)号：CN108985330A
公开(公告)日：2018-12-11
申请号：CN201810610684.5
申请日：2018-06-13
申请人： 华中科技大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种自编码网络及其训练方法、异常用电检测方法和系统，其中训练方法包括：采用滑动窗口对样本电力数据进行拼接，得到训练样本集，对训练样本集中包含被勘察用户的训练样本进行标记，得到有标签样本，未被标记的训练样本为无标签样本；利用无标签样本对自编码网络进行无监督训练，得到自编码网络的初始化参数，然后将自编码网络的编码层得到的离散的类别标签当作分类器，利用有标签样本对分类器进行有监督训练，更新编码层参数，得到训练好的自编码网络。然后利用训练好的自编码网络对待测用户的电力数据进行检测，判断待测用户是否异常用电。本发明能够在低密度电力数据中挖掘异常信息，避免噪声数据干扰，提高异常检测准确度。
-
公开(公告)号：CN108960586A
公开(公告)日：2018-12-07
申请号：CN201810617005.7
申请日：2018-06-14
申请人： 华中科技大学
CPC分类号： G06Q10/0631 , G06N3/0454 , G06Q50/06
摘要： 本发明公开了一种适应场景变化的非入侵式负荷识别方法，包括采集第一场景下的负荷的第一有功功率数据和第一无功功率数据，构建第一负荷样本；采集第二场景下的负荷的第二有功功率数据和第二无功功率数据，构建第二负荷样本；利用第二负荷样本中每类负荷的有功稳态值与第一负荷样本中每类负荷的有功稳态值得到有功迁移系数；利用第二负荷样本中每类负荷的无功稳态值与第一负荷样本中每类负荷的无功稳态值得到无功迁移系数；利用有功迁移系数和无功迁移系数获取迁移后的有功功率序列和无功功率序列，构成迁移后的样本；利用迁移后的样本训练神经网络得到分类器，利用分类器识别的负荷样本得到负荷类别。本发明在场景发生变化时可以准确识别负荷。
-
公开(公告)号：CN104778258B
公开(公告)日：2018-04-24
申请号：CN201510187447.9
申请日：2015-04-21
申请人： 华中科技大学
IPC分类号： G06F17/30
摘要： 本发明公开了一种面向协议数据流的数据抽取方法，属于数据仓库领域。本发明根据工业领域中数据帧的结构特点，给出了一种通用的面向协议数据流的数据抽取机制，具体包括三个步骤：(1)提取描述性信息，获取抽取数据项所需要的解析参数；(2)利用解析参数，确定数据帧中数据域的模式信息，主要包括数据域的结构、格式和类型；(3)根据解析参数和数据域的模式信息，实现对数据项的抽取，并转换成结构化的数据保存。本发明可以对各种类型的协议数据帧的数据实现有效而准确地抽取，更能保证数据抽取的扩展性、通用性以及灵活性，即在通信协议改变的情况下本发明也能适用。
-
公开(公告)号：CN106293968A
公开(公告)日：2017-01-04
申请号：CN201610630955.4
申请日：2016-08-04
申请人： 华中科技大学
IPC分类号： G06F9/54
CPC分类号： G06F9/546
摘要： 本发明公开了一种基于Kafka消息中间件的双向通信系统及方法，其系统包括发布者、订阅者、Kafka集群以及数据库；发布者和订阅者都包含Kafka生产者和Kafka消费者，且都具有向Kafka集群发布和从Kafka集群接收消息的能力；其方法基于该系统，包括发布者处理过程和订阅者处理过程，其中发布者处理过程包括发布者初始化、发布者的消息上传以及发布者的消息下发的步骤；订阅者处理过程包括订阅者的初始化、订阅者的消息上传以及订阅者的消息下发的步骤；本发明提供的这种系统及方法实现了基于Kafka消息中间件的双向通信；可应用于需要反方向通信的环境进行双向的数据采集与控制。
-
-
-
-
-
-
-
-
-
搜索结果
72 条记录 (耗时 0.033 秒)
