周东国
- 作品数：37 被引量：294H指数：12
- 供职机构：武汉大学更多>>
- 发文基金：国家自然科学基金国家电网公司科技项目国家科技支撑计划更多>>
- 相关领域：电气工程自动化与计算机技术更多>>
- 一种分布式非侵入式负荷测量系统
- 本发明公开了一种分布式非侵入式负荷测量系统，由分布在不同地点的非侵入式负荷分解装置互连而成，采用分布式网络拓扑结构组织连接，无中心节点；通信子网采用封闭式结构，允许节点之间直接进行交互通信，完成数据共享交换。本发明提高了...
- 周洪胡文山叶泉周东国
- 文献传递
- 基于状态特征聚类的非侵入式负荷事件检测方法被引量：23
- 2020年
- 针对传统非侵入式暂态事件检测方法局限于单一电气特征量,易出现漏检或误检,难以准确感知负荷事件的问题,该文利用负荷事件发生时特征空间内产生状态域转移的特性,提出状态特征聚类的非侵入式负荷事件检测方法。该方法通过滑动窗差值计算,搜索并确定初始聚类点,然后利用均值漂移(Mean-shift)算法进行状态聚类,并依据稳定状态的时域分布确定负荷事件发生点,实现负荷事件检测。最后,通过真实实验场景进行多种常用电器测试,并与现有一些算法进行对比,结果表明该文算法能够较为可靠地实现负荷事件检测,并为后续准确的负荷辨识奠定基础。
- 周东国张恒周洪胡文山
- 关键词：MEAN-SHIFT算法
- 一种基于融合决策TOPSIS模型的NILM算法评价被引量：1
- 2022年
- 由于应用场景不同、负荷设备多样等问题,准确率等单一因素在评价算法时易造成评价结果畸形,且不易察觉纠正,从而无法综合有效地评价非侵入式算法性能。为此,文章提出一种基于融合决策的TOPSIS模型,以多种评价指标构建评价体系,采用基于AHP和变异系数法的融合权重,兼顾专家经验、工程需求和数据客观规律,避免单一的主观赋值造成具有明显差异的指标数据被忽略,以及单一的客观赋值夸大数据误差波动,利用逼近于理想解的排序方法,计算评价对象与正负理想解的接近程度,得到算法综合排序结果。实验结果表明所提评价模型能够有效评价算法性能,为非侵入式负荷辨识算法的综合评价提供一种新的解决方案。
- 王雅倩周东国胡文山
- 关键词：TOPSIS
- 基于KM算法投切事件匹配的负荷辨识方法被引量：2
- 2023年
- 负荷投切事件是关联负荷分类、辨识的一个重要依据,为了能够准确地实现非侵入式负荷投切过程的辨识,提出一种基于KM算法投切事件匹配的非侵入式负荷辨识方法。该方法采用一种功率曲线拟合逼近的方式进行负荷事件检测,并利用投切稳态特征建立用电设备投入和切除特征的概率分布模型。同时,考虑到负荷投入事件和切除事件数量不对等情况,将负荷事件与数据库负荷进行匹配,并采用加权优化的KM算法寻找最佳解,从而实现负荷投入和切除的正确匹配辨识。在真实的测试场景并结合REDD数据集进行实验,结果表明,文中方法可对负荷投切事件进行有效匹配辨识,为实现能耗细分奠定了基础。
- 胡悦胡文山王晓文周东国
- 关键词：负荷匹配
- 基于二维离散模糊数的非侵入式负荷辨识方法被引量：4
- 2019年
- 针对非侵入式负荷辨识中硬性聚类方法易受到电压、电流等干扰因素的影响,提出一种基于离散模糊数的负荷辨识方法。该方法以有功P和无功Q这两种典型的负荷标签特征为出发点,以离散模糊数中有限链路为评价等级基础,构建了基于概率统计的评价方法,通过将用电设备的相似特征转换为离散模糊数矩阵,并结合矩阵质心和评判标准的比例形成最终评价值,进而实现负荷的辨识。相比于硬性聚类方法,该方法不单独依赖于P-Q维负荷特征的标准测量值,在应用中利用模糊评估之后的负荷对象特征的评价值得出辨识结果。最后通过实验证明了该方法所得到的结果与实际的负荷投切结果一致,具有一定的抗干扰能力。
- 康文韬林小红史帅彬周东国胡文山邓其军
- 基于复合滑动窗的CUSUM暂态事件检测算法被引量：22
- 2019年
- 在非侵入式负荷监测系统中,负荷事件检测是其中最为关键的一部分。然而一般负荷事件检测方法极易存在漏检等情况,特别是对于缓慢的负荷爬升现象不够敏感,且大多仅限于检测事件开始时刻,未涉及暂态事件起止过程的记录。为此,提出了一种基于复合滑动窗的CUSUM暂态事件检测算法,通过变权重滑动窗来累积采样点与均值的偏差,记录突变起始点和突变结束后的采样点,通过实际的案例验证了算法的有效性。该算法不仅能够准确检测到传统算法易忽略的具有爬坡特性的暂态事件,还能够对完整的投切过程进行有效记录,从而有助于对暂态事件进行分析处理。
- 史帅彬张恒邓世聪周东国周洪胡文山
- 关键词：高斯函数SIGMOID函数
- 一种基于非侵入式技术的负荷事件多维特征匹配方法与系统
- 本发明公开了一种非侵入式负荷事件多维特征匹配方法，通过采集电力设备的电流电压值，计算电力设备多维特征数据；通过设置预设阈值组，提取电力设备开启和关闭的时间点和对应的多维特征数据；将多维特征数据分为开启特征向量集和关闭特征...
- 周洪要若天周东国胡文山邓其军
- 文献传递
- 基于深度学习决策融合的非侵入式负荷分类的研究被引量：2
- 2021年
- 针对负荷分类中单一特征在负荷特征相似时的局限以及不同负荷分类模型在不同特征下的适用性存在较大差异,提出一种基于多稳态特征建模和深度学习决策融合的非侵入式负荷分类方法。首先采集原始负荷数据,从中提取电流谐波(H)、有功功率(P)、无功功率(Q)和V-I轨迹图等电气特征,然后组合P、Q、H得到PQH特征。为降低PQH组合特征之间的数量级差异,利用z-score方法将PQH特征进行归一化预处理;为减小V-I轨迹图对神经网络性能的影响,使用图像二值化方法将V-I轨迹图进行预处理。处理后的PQH特征和V-I轨迹二值图分别在LSTM模型和CNN模型上进行训练,利用决策融合方法构建负荷分类模型。通过PLAID公共数据集进行模型测试,使用准确率A、精确率P、召回率R和F1值4种评价指标和混淆矩阵验证模型效果。结果表明,决策融合模型的辨识结果(平均A、P、R和F1值分别为99.32%、96.36%、96.36%、96.34%)优于LSTM模型(平均A、P、R和F1值分别为98.57%、94.04%、92.47%、92.21%)和CNN模型(平均A、P、R和F1值分别为98.45%、92.11%、91.94%、91.94%)的辨识结果,组合特征和决策融合方法能够从多维度实现负荷分类,弥补单一特征和单一算法的不足,提高负荷分类效果。
- 滕红丽贾树恒王灏王雅倩周东国胡文山袁超
- 关键词：神经网络
- 基于ICPSO-XGBoost的非侵入式负荷辨识方法被引量：1
- 2023年
- 针对家庭用电负荷的电气特征相近导致基于电气量特征的非侵入式负荷辨识方法易产生误辨识的问题,提出以电器投切时间、运行时长和投切次数为代表的电器使用规律特征,结合传统电气负荷特征组合成为新的负荷特征标签。在此基础上,提出一种基于改进混沌粒子群优化的极端梯度提升树算法。在该算法中,利用回归树作为负荷特征的基分类器构建极端梯度提升树模型。进一步地,通过在目标函数中加入正则项,添加缩减系数等措施避免算法陷入过拟合。同时,将混沌思想应用于粒子群算法中提升其全局寻优能力,并得到基于改进混沌粒子群优化后的极端梯度提升树算法模型。在AMPds公用数据集上进行测试,通过对比分析测试结果,验证了文中所提出的负荷特征标签和负荷辨识算法对提升非侵入式负荷辨识的有效性。
- 谢耀锋周洪周东国
- 关键词：粒子群算法
- 基于贝叶斯网络的非侵入式家庭负荷动态监测模型被引量：9
- 2020年
- 智能量测技术是智能电网的重要组成部分,为了实现非侵入式负荷低频监测并进一步提升负荷辨识准确率,文中结合居民用电行为与外界环境相关的特点,提出一种基于贝叶斯网络的非侵入式家庭负荷动态监测模型,该模型选取电气特征和外部数据为特征量,综合考虑居民负荷的时间特性和对外部数据的关联特性,对居民用电行为采用贝叶斯网络模型进行建模分析,并随时间推移对特征库进行动态更新,从而实现对家庭负荷的监测作用。文中采用AMPds2公开数据集数据进行算法验证,证明文章算法的准确性和有效性,同时对外部数据和用电行为进行互信息分析,结果表明时段特征对用电行为相关性最强。
- 张恒邓其军周东国
- 关键词：贝叶斯网络动态监测
