-
公开(公告)号：CN114359674B
公开(公告)日：2025-02-11
申请号：CN202210032592.X
申请日：2022-01-12
Applicant: 浙江大学 , 华立科技股份有限公司
IPC: G06F18/213 , G06F18/15 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于度量学习的非侵入式负荷识别方法，本发明通过一维卷积神经网络将负荷电流特性映射到度量空间，在网络训练时使用三元组损失实现特征的聚类，对度量空间特征进行相似度判别实现负荷辨识。该方法可实现对未知负荷的有效识别，并具有较强的泛化能力；另一方面，度量学习作为小样本学习的方法之一，能够减轻对训练样本的依赖，具有较高的实用性。
-
公开(公告)号：CN113255236A
公开(公告)日：2021-08-13
申请号：CN202110765317.4
申请日：2021-07-07
Applicant: 浙江大学 , 华立科技股份有限公司
IPC: G06F30/27 , G06K9/62 , G06Q50/06 , G06N3/08 , G06F119/06
Abstract: 本发明提出了一种基于孪生网络的非侵入式负荷自适应识别方法，该方法以负荷的V‑I轨迹和有功功率作为待识别负荷特征，使用孪生网络判别负荷V‑I轨迹的相似度，通过与特征库进行匹配，得到负荷编号信息，从而实现负荷识别。其中，用户根据保存的使用的时刻结合当日实际使用情况，再建立负荷编号信息与电器的实际类型进行映射。通过特征库的动态构建，本发明可实现对未知负荷的准确识别。最后在PLAID数据集和COOLL数据集中验证了模型的有效性和通用性。
-
Patent Agency Ranking
公开(公告)号：CN109975608A
公开(公告)日：2019-07-05
申请号：CN201910246876.7
申请日：2019-03-29
Applicant: 华立科技股份有限公司
Abstract: 本发明提供了三相电能表的电网类型判断方法、装置和系统，包括：采集电网电压和电网电压的夹角，电网电压包括第一电压、第二电压和第三电压，电网电压的夹角包括第一电压和第二电压的第一夹角，以及第一电压和第三电压的第二夹角；判断第一相线的电压是否为第一电压；如果是，则判断第三相线的电压是否为第三电压；如果是，则判断第二相线的电压是否为第二电压；如果是，则根据第一夹角的大小和第二电压的大小确定电网的类型；如果不是，则根据第二夹角的大小和/或第三电压的大小确定电网的类型，通过一种三相电能表实现多种电压规格和多种电网类型，降低生产成本。
-
公开(公告)号：CN114359674A
公开(公告)日：2022-04-15
申请号：CN202210032592.X
申请日：2022-01-12
Applicant: 浙江大学 , 华立科技股份有限公司
IPC: G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于度量学习的非侵入式负荷识别方法，本发明通过一维卷积神经网络将负荷电流特性映射到度量空间，在网络训练时使用三元组损失实现特征的聚类，对度量空间特征进行相似度判别实现负荷辨识。该方法可实现对未知负荷的有效识别，并具有较强的泛化能力；另一方面，度量学习作为小样本学习的方法之一，能够减轻对训练样本的依赖，具有较高的实用性。
-
公开(公告)号：CN113255236B
公开(公告)日：2021-10-08
申请号：CN202110765317.4
申请日：2021-07-07
Applicant: 浙江大学 , 华立科技股份有限公司
IPC: G06F30/27 , G06K9/62 , G06Q50/06 , G06N3/08 , G06F119/06
Abstract: 本发明提出了一种基于孪生网络的非侵入式负荷自适应识别方法，该方法以负荷的V‑I轨迹和有功功率作为待识别负荷特征，使用孪生网络判别负荷V‑I轨迹的相似度，通过与特征库进行匹配，得到负荷编号信息，从而实现负荷识别。其中，用户根据保存的使用的时刻结合当日实际使用情况，再建立负荷编号信息与电器的实际类型进行映射。通过特征库的动态构建，本发明可实现对未知负荷的准确识别。最后在PLAID数据集和COOLL数据集中验证了模型的有效性和通用性。
-
公开(公告)号：CN113191253A
公开(公告)日：2021-07-30
申请号：CN202110469299.5
申请日：2021-04-28
Applicant: 浙江大学 , 华立科技股份有限公司
Abstract: 本发明提出了一种边缘机器学习下基于特征融合的非侵入式负荷识别方法，该方法通过对获取到引起投切事件的负荷电压电流数据进行处理；其中，对电流数据进行快速傅里叶变换得到频谱特征，构造7维的特征向量；对电压和电流数据转换为电压‑电流轨迹特征图利用自编码器神经网络得到32维特征向量；最后利用TOPSIS法计算两个向量与特征库里每个负荷特征向量之间的相似度与阈值比较进行负荷识别。本发明具有准确识别未知负荷的能力，识别到未知负荷的时候，可以将未知负荷的特征向量添加到特征库中进行标记即可更新特征库。本发明可以在STM32MP1为核心的嵌入式Linux系统下，利用Tensorflow Lite工具的嵌入式AI来完成，可以提高整个系统的实时性。
-
公开(公告)号：CN112953544A
公开(公告)日：2021-06-11
申请号：CN202110142728.8
申请日：2021-02-02
Applicant: 华立科技股份有限公司
IPC: H03M1/34
Abstract: 本申请公开了一种数据传输系统、方法、装置及介质，其中系统包括：从机、总线回路上的取样电阻、与取样电阻并联连接的模数转化器、以及与模数转化器、从机连接的主机，其中，模数转化器用于采集取样电阻上的电压，通过电压和取样电阻获取表征当前总线电流的模拟信号，将模拟信号转化为数字信号后发送至主机，使得主机能够根据数字信号确定从机发送的信号。由于模数转化器具有极高的输入阻抗，因此模数转化器采集数据不受通讯波特率及负载变化时的影响，从而提高了主机接收从机发送的数据的正确率。此外，由于模数转化器在模拟量转化为数字量时，模拟量微小的变化能够转化为较大的数字量变化，提高了主机接收从机发送的数据的效率和准确率。
-
-
-
-
-
-
Search Results
7
records
(took 0.036 seconds)
