基于双通道多特征融合的电力负荷智能感知方法

负荷识别是分析用户用电行为的主要工具之一.提高负荷识别的精度对于开展用能监测服务、实现节能降损具有重要意义.提出了一种基于双通道多特征融合的电力负荷智能感知方法.首先,从电器设备的基本属性出发,分析了电流、谐波、功率等数值特征以及电压-电流(V-I)轨迹图像特征对负荷识别的影响;其次,考虑了特征之间的互补性,分别采用主成分分析-神经网络(principal component analysis-back propagation,PCA-BP)算法和卷积神经网络算法将数值特征和图像特征以不同通道在高维空间进行深度融合;最后,采用Softmax分类算法对融合后的高级特征和设备标签进行有监督的学习,从而实现了不同类别电器设备的有效辨识.算例测试结果显示,所提出方法的负荷识别准确率高达94.55％.该结果充分说明了将多种特征进行高维空间融合,可以更全面、立体地反映设备的本质属性,提高算法的识别精度.     

基于图像编码与深度学习的非侵入式负荷识别方法

非侵入式负荷识别(non-intrusive load monitoring,NILM)是一种不依赖用户内部装置,仅凭借外部分析工具和手段即可实现用户用电行为自动感知的方法.提高非侵入式负荷识别的精度,对于开展用能监测服务、实现节能降损具有重要意义.提出了一种基于彩色图像编码与深度学习的电力负荷识别方法.该方法首先在传统电压-电流(V-I)灰色轨迹法的基础上,利用双线性插值技术有效解决了像素点不连续的问题;然后考虑了特征之间的互补性,通过构造电流(R)、电压(G)和相位(B)3个通道,将数值特征嵌入灰色V-I轨迹中,从而得到了蕴含丰富电气特征的彩色V-I图像;最后,采用AlexNet深度学习算法对彩色V-I图像和对应设备标签进行有监督的学习,从而实现了不同类别电器设备的有效辨识.算例测试结果表明,提出的负荷识别方法的准确率高达97.7％.该结果充分验证了上述方法的有效性.     

自适应 TD-LTE 公网集群系统竞争 Preamble 序列配置方案

集群通信系统凭借其组网简单的优势,在应急通信中得到了广泛的应用,但现有的基于TD-LTE的宽带集群通信系统所采用的随机序列的利用率和发送成功率都不高.针对此问题,在对现有TD-LTE系统的随机接入Preamble序列配置现状展开研究的基础上,结合公网集群通信系统支持资源共用但不相互干扰的性能要求,提出一种适用于公网集群通信系统的竞争Preamble序列配置方案.该方案提出在低接入负载的环境中采用共用模式,用户根据系统的分配,选择适当的Preamble序列完成接入;而在高接入负载的环境中采用分类模式,将集群用户分为4个集合,根据用户分类的不同选取不同的Preamble序列完成接入.仿真结果证明,该方案提高了Preamble序列的利用率和发送成功率,避免了混合接入碰撞,提高了网络的运行效率.     

基于 TD-LTE 的宽带集群通信系统研究

介绍了集群通信系统由模拟到数字、从窄带到宽带的发展过程,分别对比了已在国内广泛应用的4种窄带数字集群通信系统和2种宽带数字集群通信系统的关键技术及其性能,并分析了它们各自在不同环境中的优势。详细地分析了一种典型的宽带数字集群通信系统———基于TD-LTE（time-division long-term evolution）技术的数字集群通信系统中所应用的正交频分复用、多入多出、时分双工以及混合自动重传等关键技术的工作原理和优点,并介绍了目前对基于TD-LTE的宽带数字集群通信系统的研究进展,以及它在城市轨道交通通信、石油专网通信、高速铁路通信以及城市应急通信等情况下的应用现状和发展趋势。最后对数字集群通信系统在国内的发展现状做出分析总结,并展望了数字集群通信系统在国内外的发展前景。