基于混合特征图的非侵入式负荷监测算法

针对目前的非侵入式负荷监测算法所需运算成本高、难以实用推广的现状,提出一种低运算成本的基于混合特征图的非侵入式负荷监测算法。首先,提取设备的功率特征和稳态电压-电流轨迹图特征,将设备功率特征进行维数变换后与电压-电流轨迹特征图组合,得到设备混合特征图。该特征图以小尺寸灰度图为载体,减小了硬件存储与模型算力的成本。然后,基于LeNet卷积神经网络建立设备辨识模型,以混合特征图为输入,实现对设备种类的辨识。最后,使用PLAID数据集对所提算法的结果准确性与计算性能进行测试。结果表明：所提算法的设备辨识准确率可达92.7%,与辨识准确率相差小于1%的同类算法相比,在算法参数量和运算量方面减少了99%,能有效减少NILM的运算成本。     

基于改进非局部注意力模块的非侵入负荷辩识

针对目前基于深度学习的非侵入式负荷辩识领域中存在的模型复杂度高、参数量大及获取长距离特征间依赖关系的能力弱等问题,提出一种基于注意力机制的轻量级负荷辨识模型．该模型以低时间维度的设备电流信息为输入,通过引入改进非局部注意力模块建模不同时间电流的特征关系,建立轻量级的时间残差卷积神经网络．在公开PLAID(即插设备标识数据集)和WHITED(全球家庭和工业瞬态能源数据集)上的实验表明：在设备识别率分别达到97.32%和99.32%的情况下,模型的计算量低至4×10⁵,且模型的参数量小于5.2×10⁴.     

非侵入式电力负荷在线分解

基于用电设备正常工作时的稳态电流（包含基波和谐波）具有一定统计规律性,提出了一种非侵入式电力负荷在线分解方法．当某一电力负荷内部含有n类主要用电设备时,其电流可近似用这n类用电设备电流的线性叠加来估计．负荷分解是应用最优方法求取一组合理的权重系数,使负荷估计电流与负荷真实电流最为接近,从而确定电力负荷中不同类型用电设备的功率消耗比例．实验结果表明,所提出的负荷分解方法不仅具有较高的精度和较好的稳定性,而且便于在线实现．     

基于CNN与K-means聚类的非侵入式电器负荷识别方法

针对目前非侵入式负荷监测仅能识别单个家用电器、多种家用电器同时运行识别率低的问题,提出一种基于卷积神经网络（CNN）与K-means聚类结合的非侵入式家用电器识别方法。首先,通过改进的CUSUM边沿检测算法对获取的用户用电数据进行时间检测,提取负荷发生投切事件的功率波形;其次,通过高斯滤波法对提取的功率波形进行滤波处理,并将处理后的波形转化为像素图作为负荷特征库,一部分作为训练集用来训练K-means算法改进后的CNN模型,一部分作为测试集测试模型识别的精度;最后,利用搭建的实验平台进行实际测试分析。实验结果表明,所用模型对7种家用电器的识别率均为100%,验证了模型的有效性。通过K-means算法对卷积神经网络进行改进,增大相似特性负荷特征之间的区别,提高负荷辨识的准确率,为非侵入式负荷检测技术开发提供了参考。     

基于改进YOLOv5s的非侵入式负荷识别

负荷识别是非侵入式负荷监测的关键环节.针对原始电压电流轨迹特征选择有限、识别准确度低的问题,提出一种基于改进YOLOv5s(YOLOv5s是YOLOv5(you only look once的第5个版本)系列中预训练结构最小的模型)的非侵入式负荷识别算法.将坐标注意力(coordinate attention,简称CA)模块添加至YOLOv5s的主干网络,用双向特征金字塔网络(bi-directional feature pyramid network,简称BiFPN)取代YOLOv5s的常规特征提取网络.实验结果表明：相对于其他3种算法,该文算法有更高的负荷识别准确度.因此,该文算法具有有效性.     

基于优化极限学习机的非侵入式负荷识别

在极限学习机的非侵入式负荷识别算法中,由于输入权值和隐含层阈值的随机产生容易导致误判,鉴于此,提出了一种改进的遗传算法优化极限学习机方法.对遗传算法中选择算子进行改进,改进方法为求解出个体的适应度值,并按从小到大的顺序完成排序,将排完序的种群等分成4份,按照比例从4份中择优组成新种群,对新种群中剩余个体再从适应度较大的...     

基于1D-CNN模型的非侵入式负荷识别

非侵入式负荷识别技术对电网系统的电力调度、风险估计等具有重要意义.现阶段非侵入式负荷识别的数据质量差,算法识别准确度低且只能处理低频或高频数据.针对非侵入式负荷识别数据质量差的问题,提出了数据修复、数据扩展等数据增强方法;针对非线性扰动降低准确度的问题,提出了一种基于1D-CNN的深度学习模型,该模型既可提取低频数据的...     

基于神经网络的非侵入式电机故障检测方法

为了克服传统电机故障检测方法的准确率低、测量过程为侵入式、严重依赖先验知识的缺点,提出了一种基于卷积神经网络的非侵入式电机故障检测方法.通过将电机与其他设备共同工作时的总电源信号作为检测样本,实现检测过程的非侵入式,并基于残差优化卷积网络结构进行神经网络训练,最终实现电机超载、单相短路及相间短路故障的非侵入式检测与分类...     

基于多维数据图像化的非侵入式负荷识别

针对已有负荷识别方法存在选取的负荷印记冗余度大及无法直接反映负荷功率信息的不足,提出一种多维数据图像化的非侵入式负荷识别方法．首先将负荷的电流波形、瞬时功率波形和电压-无功电流轨迹三个维度的负荷印记转换成灰度图像;然后将其分别加载到图像的红绿蓝通道上,得到带有功率信息的真彩色图像;最后通过简化的二维卷积神经网络进行负荷识别．实验结果表明：本方法能够提升图像的信息密度,使得所采用的人工智能网络在计算量和参数量都降低的情况下仍能在图像中找到最具有辨识力的区域进行高效的负荷识别;在PLAID(即插即用设备标识数据集)和WHITED(全球家庭和工业瞬态能量数据集)上分别达到了98.78%和99.50%的识别准确率．     

基于域适应学习的非侵入式负荷分解问题研究

基于神经网络的非侵入式负荷分解方法需要利用大量的先验数据对神经网络进行训练,针对某一特定设备在大量的先验数据参与训练的情况下,可达到较好的分解效果,然而将该模型应用于其他设备时,分解精度会迅速下降,因此具有较大的局限性,不利于基于神经网络的非侵入式负荷分解方法在智能电网中的大规模部署.针对此类问题,提出了一种域适应深度...     

基于STM32光伏发电电能质量监测系统的设计

设计了一种基于STM32的低功耗、高性能的光伏发电电能质量监测系统,利用STM32丰富的外设资源与现场可编程门阵列(Field-Programmable Gate Array,FPGA)灵活的操控性实现了对电力数据的多通道实时采集。其中,FPGA实现数据的采集与存储控制,STM32实现数据的处理和通用分组无线服务技术(General Packet Radio Service,GPRS)通信控制。该系统能克服传统电能质量监测系统接口单一、数据存储空间有限、实时性差等问题。实验表明该系统能可靠地实现光伏电站运行情况的实时监测。     

基于STM32的智能环境监测系统设计与实现

环境保护工作越来越受到人们的关注,所以环境监测显得格外重要。本文基于计算机和嵌入式技术,使用C/C++语言在QT开发平台编写设计了一套环境监测系统,实现一种较低成本、低能耗,应用广泛的,主要应用于室内环境的监测系统,针对室内的温湿度、光照强度、大气压强等进行检测,以STM32作为室内各种指标采集的主控模块,通过温湿度传感器、气压传感器、光照强度传感器将室内环境的各项数据采集到,经过处理后运用ESP8266WIFI模块实现通信将数据传至UI界面进行显示,通过信号实现人机交互。测试结果证明了该方法的实用性和有用性。     

基于STM32 F407单片机的蓄电池智能监测与控制系统设计

为了实现对微电网中储能蓄电池进行智能监测和控制,延长蓄电池使用寿命,提高供电质量,设计了一套基于单片机和传感器的智能监测与控制系统.系统用传感器监测蓄电池的工作信息,用STM32 F407单片机对监测信息进行计算处理,然后根据程序设定的功能要求执行蓄电池充放电管理、故障报警等操作,并将监测信息通过nRF24L01+无线模块传输给监控中心上位机.实验测试表明,系统设计的控制管理策略和故障报警工作稳定,无线通信可靠,信息处理与计算最大误差2.2％,在允许范围之内,实现设计目的.     

基于STM32的巢湖水域综合监测系统的设计与实现

设计了一种基于多传感器组合模块(MultiSM)的实时监控系统,以实现巢湖水域综合监测.该系统有两种类型的MultiSM,一种用于水质监测,另一种用于空气监测.系统的Mul-tiSM是基于STM32核心处理器,数据收集节点采用LoRaWan协议通过低功耗、高速、覆盖范围广的长距离通信模块将收集到的数据上传到基站.同时,设计了一种基于模糊决策的数据融合算法,以减少上传数据量、降低功耗,并提高网络吞吐量.该系统具有很大的研究价值和投资潜力.     

基于STM32的多功能滤波器系统设计

为了解决传统滤波器功能单一、结构固定不可调节且对弱信号响应能力不足等问题,设计了一种多功能滤波器.该滤波器以STM32为控制核心,采用高精度仪表放大器和有源滤波器,实现了在较宽频带内对弱信号的放大和滤波功能.结果表明,该滤波器具有较高的电压增益与通频带宽,同时具有低通、高通、带通及陷波等滤波功能,增益与截止频率、中心频率及陷波频率步进可调,且误差低于3%.系统整体结构紧凑,稳定性强,具有良好的人机交互界面,可应用于各类滤波场合.     

基于STM32和嵌入式Web服务的智能温度监测系统

基于网络的远程测控系统应用越来越广泛,通过网络访问实时数据已经成为普遍要求,而温度是其中最具代表性的数据之一.设计了能够通过Web方式访问的温度监测系统.系统采用STM32作为MCU,通过DS18B20进行单总线多点测温,用ENC28J60以太网控制器搭建Web服务供远程监测,具有一定的实用价值,并且具有通用性和可移植性.     

基于STM32F103的无主机通信系统的设计

针对目前工矿企业生产调度通信系统呼叫方式单一、强噪声环境下语音通信质量差以及缺少维护管理等问题,提出了一种基于STM32F103的无主机通信系统解决方案。本系统对现有无主机通信系统的呼叫方式进行优化,增加了选呼、强插、强拆和监听功能;采用DSP语音处理技术,提高了系统的抗噪声性能;通过中继器实现用户终端与公共交换电话网络用户的通信;通过管理控制器、管理终端对整个系统进行管理与控制;采用有限用户多信道共用理论与不同参数下信道数优化配置方案对系统参数进行配置。实验表明,所设计的系统可靠性和实用性较高,呼叫针对性强,通信质量较好。     

基于STM32控制器的智能黑板擦系统设计

针对某汽车转向器横拉杆连接杆的应力集中问题,在设计开发过程中,对连接杆主体型面结构进行优化设计,并基于Hyperworks软件进行有限元仿真,求得了优化前、后连接杆的最大应力值,验证了该优化方案的可行性。     

基于STM32的嵌入式语音播报系统的设计

一种以STM32为核心的嵌入式语音播报系统,其核心处理器选用ST公司的基于ARM Cortex-M3内核的32位处理器STM32F103C8T6。系统的处理器接收上位机指令,解析得到文本信息,通过科大讯飞的中文语音合成板卡XF-S4240将文本信息转换为语音信息,采用嵌入式操作系统μC/OS-II来实现统一的任务调度和外围设备管理。