-
公开(公告)号：CN106600074B
公开(公告)日：2020-08-18
申请号：CN201611240050.2
申请日：2016-12-28
申请人： 天津求实智源科技有限公司
摘要： 本发明于电力负荷监测领域，尤其涉及基于DFHSMM的非侵入式电力负荷监测方法及系统，本发明将DFHMM和HSMM这两种模型结合成DFHSMM模型，利用DFHSMM模型对电力负荷及其内部所含用电设备进行建模，并提供了新方法用于求解DFHSMM模型，最终实现用电设备工作状态辨识。本发明的有益效果：能够同时考虑用电设备的稳态功率特征和工作状态持续时长特征，适用于存在未建模用电设备的场合，具有较高的实用性和鲁棒性；利用负荷事件增加约束条件大幅度减少负荷监测优化模型的解空间，提高模型的求解速度；根据功率特征对用电设备进行分类，对每个用电设备集群分别求解负荷监测优化模型，提高整体的求解速度。
-
公开(公告)号：CN111177212A
公开(公告)日：2020-05-19
申请号：CN201911285495.6
申请日：2019-12-13
申请人： 国网北京市电力公司 , 国家电网有限公司 , 天津求实智源科技有限公司
IPC分类号： G06F16/2458 , G01D21/02 , F25B49/00
摘要： 本发明公开了一种空气源热泵工作状态的确定方法及装置、电子设备。其中，该方法包括：采集电气回路上的电气特性参数，其中，电气特性参数至少包括：电压值、电流值和功率值，其中，电气回路上安装有空气源热泵；基于电气特性参数确定是否发生过渡事件；若确定发生过渡事件，查找发生过渡事件的过渡参数，其中，过渡参数至少包括：发生过渡事件的时间窗长度；基于时间窗长度，对过渡事件进行分类处理，以确定过渡事件类型；基于过渡事件类型，确定空气源热泵的工作状态。本发明解决了相关技术中无法在介入式条件下对空气源热泵的负荷进行准确辨识的技术问题。
-
公开(公告)号：CN109840691A
公开(公告)日：2019-06-04
申请号：CN201811650998.4
申请日：2018-12-31
申请人： 天津求实智源科技有限公司
摘要： 本发明公开了一种基于深度神经网络的非侵入式分项电量估计方法，包括：获取总量用电数据序列与目标电器用电数据序列；获得目标电器的背景用电数据序列和工作曲线；合成仿真总量用电数据；构建与训练电量估计神经网络；将现场采集到的总量用电数据按需分段，输入到训练所得的深度神经网络，在线估计目标电器用电量。本发明仅通过分析用电场景的总量用电数据序列，便可单独估计场景内的目标电器用电量；对目标电器仅进行短期单独量测，便可获得充足训练数据样本，用以训练神经网络。本发明技术方案准确度更高、更易推广；通过扩展输入的方式，将目标电器的完整工作过程输入神经网络，充分利用工作过程中尽量多的特征，进一步提升了电量估计准确度。
-
公开(公告)号：CN106093652B
公开(公告)日：2019-03-29
申请号：CN201610530542.9
申请日：2016-07-07
申请人： 天津求实智源科技有限公司
IPC分类号： G01R31/00
摘要： 本发明提供了一种具备自学习功能的非侵入式电力负荷监测系统与方法，在不具备电器设备负荷特征数据库自动维护功能的非侵入式电力负荷监测技术系统的基础上，增加了未建模电器设备负荷特征自动生成功能，能够自动检测出受监测电力负荷内部存在的未建模电器设备，并自动提取其负荷特征参数，最终用以更新非侵入式电力负荷监测技术系统的电器设备负荷特征数据库，从而不再需要技术人员通过人工回访用户的方式来维护和更新电器设备负荷特征数据库，既能通过及时更新电器设备负荷特征数据库来保证系统的监测性能在电力负荷内部引入未建模电器设备时不受影响，又能通过节省人力成本来提高非侵入式电力负荷监测技术系统的运行效率。
-
公开(公告)号：CN109490679A
公开(公告)日：2019-03-19
申请号：CN201811651399.4
申请日：2018-12-31
申请人： 天津求实智源科技有限公司
摘要： 本发明公开了一种基于非侵入式负荷监测的智能窃电稽查方法，主要包括(1)判断用电户是否为窃电嫌疑用户；(2)将用户的电器设备分为运行状态可以反映用户全天用电行为适用于间歇性甩表窃电行为分析的电器设备和运行状态监测结果不受少计量窃电行为影响的电器设备；然后，计算窃电行为评判指标；(3)判定用户窃电行为；(4)利用正常情况下相同类型电器设备的累计耗电量与用户总电量之间的关系，以及该用户的窃电行为评判结果，估算该用户的窃电量。本发明利用非侵入式负荷监测技术获取用电细节数据，不仅克服了传统方法入户难、取证难的弊端，而且提高了上述两种窃电行为稽查的准确性和可靠性。
-
公开(公告)号：CN108229660A
公开(公告)日：2018-06-29
申请号：CN201711489206.5
申请日：2017-12-30
申请人： 天津求实智源科技有限公司
CPC分类号： G06N3/0454 , G06K9/6256 , G06N3/08 , G06Q50/06
摘要： 本发明涉及一种基于深度学习的经背景筛选的电能分解方法，属于电力负荷用电细节监测技术领域，其解决了基于深度学习的电能分解推广实施难度较大的问题。本发明步骤如下：确定目标电器，提取电力负荷的原始总口数据和目标电器的工作曲线；建立并利用获取的工作曲线和原始总口数据训练背景筛选模型，继而借此得到筛选工作曲线后的背景数据；利用的背景筛选后得到的背景数据以及工作曲线，合成仿真总口数据；利用合成的仿真总口数据构建并训练用于电能分解的深度神经网络；最终，在线应用训练所得的深度神经网络。本发明仅需要获取电力负荷的原始总口数据和工作曲线，即可实现在不同场景下各目标电器设备用电量的非侵入式估计。
-
公开(公告)号：CN108229660B
公开(公告)日：2023-04-28
申请号：CN201711489206.5
申请日：2017-12-30
申请人： 天津求实智源科技有限公司
IPC分类号： G06N3/0464 , G06N3/08 , G06F18/214 , G06Q50/06
摘要： 本发明涉及一种基于深度学习的经背景筛选的电能分解方法，属于电力负荷用电细节监测技术领域，其解决了基于深度学习的电能分解推广实施难度较大的问题。本发明步骤如下：确定目标电器，提取电力负荷的原始总口数据和目标电器的工作曲线；建立并利用获取的工作曲线和原始总口数据训练背景筛选模型，继而借此得到筛选工作曲线后的背景数据；利用的背景筛选后得到的背景数据以及工作曲线，合成仿真总口数据；利用合成的仿真总口数据构建并训练用于电能分解的深度神经网络；最终，在线应用训练所得的深度神经网络。本发明仅需要获取电力负荷的原始总口数据和工作曲线，即可实现在不同场景下各目标电器设备用电量的非侵入式估计。
-
公开(公告)号：CN111177212B
公开(公告)日：2022-09-27
申请号：CN201911285495.6
申请日：2019-12-13
申请人： 国网北京市电力公司 , 国家电网有限公司 , 天津求实智源科技有限公司
IPC分类号： G06F16/2458 , G01D21/02 , F25B49/00
摘要： 本发明公开了一种空气源热泵工作状态的确定方法及装置、电子设备。其中，该方法包括：采集电气回路上的电气特性参数，其中，电气特性参数至少包括：电压值、电流值和功率值，其中，电气回路上安装有空气源热泵；基于电气特性参数确定是否发生过渡事件；若确定发生过渡事件，查找发生过渡事件的过渡参数，其中，过渡参数至少包括：发生过渡事件的时间窗长度；基于时间窗长度，对过渡事件进行分类处理，以确定过渡事件类型；基于过渡事件类型，确定空气源热泵的工作状态。本发明解决了相关技术中无法在介入式条件下对空气源热泵的负荷进行准确辨识的技术问题。
-
公开(公告)号：CN109490679B
公开(公告)日：2021-01-26
申请号：CN201811651399.4
申请日：2018-12-31
申请人： 天津求实智源科技有限公司
IPC分类号： G06Q50/06
摘要： 本发明公开了一种基于非侵入式负荷监测的智能窃电稽查方法，主要包括(1)判断用电户是否为窃电嫌疑用户；(2)将用户的电器设备分为运行状态可以反映用户全天用电行为适用于间歇性甩表窃电行为分析的电器设备和运行状态监测结果不受少计量窃电行为影响的电器设备；然后，计算窃电行为评判指标；(3)判定用户窃电行为；(4)利用正常情况下相同类型电器设备的累计耗电量与用户总电量之间的关系，以及该用户的窃电行为评判结果，估算该用户的窃电量。本发明利用非侵入式负荷监测技术获取用电细节数据，不仅克服了传统方法入户难、取证难的弊端，而且提高了上述两种窃电行为稽查的准确性和可靠性。
-
公开(公告)号：CN107392391A
公开(公告)日：2017-11-24
申请号：CN201710678688.2
申请日：2017-08-10
申请人： 天津求实智源科技有限公司
CPC分类号： G06Q10/04 , G06N3/0454 , G06N3/084 , G06Q50/06
摘要： 一种基于深度学习的电力负荷用电分解方法。本方法包括五个步骤，第一步，根据需要，获取目标用电场景内所有目标电器设备的关于某一种或几种用电参数的完整工作曲线；第二步，利用第一步获取的电器设备的完整工作曲线，根据目标场景中的实际用电情况，合成模拟目标场景内各电器设备混合使用情形的仿真数据；第三步，构建用于电力负荷分解的深度神经网络，包括确定神经网络分层数目和每层所含神经元数目，及各分层所含神经元之间的链接关系；第四步，利用第二步中合成出的仿真数据建立训练数据集，用以训练在第三步搭建的深度神经网络；第五步，在线应用训练所得深度神经网。本发明属于电力负荷用电细节监测领域，能够实现各目标电器设备用电量的非侵入式估计。
-
-
-
-
-
-
-
-
-
搜索结果
26 条记录 (耗时 0.042 秒)
