基于改进YOLOv5s的非侵入式负荷识别 |
| |
引用本文: | 李悦,程志友,程安然,姜帅,胡杰.基于改进YOLOv5s的非侵入式负荷识别[J].安徽大学学报(自然科学版),2023(5):51-57. |
| |
作者姓名: | 李悦 程志友 程安然 姜帅 胡杰 |
| |
作者单位: | 1. 安徽大学互联网学院;2. 安徽大学教育部电能质量工程研究中心;3. 安徽大学电子信息工程学院 |
| |
基金项目: | 国家自然科学基金资助项目(61672032);;安徽省科技重大专项(18030901018); |
| |
摘 要: | 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.
|
关 键 词: | 非侵入式负荷监测 V-I轨迹特征 深度学习 YOLOv5 |
|
|