非侵入式负荷识别的电流序列可视化方法

TM73; 以单一特征为标签的用电设备识别,因特征携带的信息量不足,在区分性质相似的负荷时易产生误判,为此,提出一种将电流序列编码为图像的二维可视化方法,通过计算机视觉技术对负荷进行分类识别.利用Fryze功率理论提取电流的非有功分量,通过格拉姆角场(GAF)将一维电流序列转换成二维图像,借助数据扩充的方式进行升维,并赋予矩阵颜色特征来提升负荷标签的辨识度;基于迁移学习的思想,利用预训练模型Inception_v3提取并学习GAF图像特征,并以该特征为标签对负荷类型进行分类识别.在2个公开数据集上的实验验证了所提方法在高频采集场景下的准确性和有效性....

Full description

Saved in:
Bibliographic Details
Published in电力自动化设备 Vol. 42; no. 7; pp. 40 - 45
Main Authors 崔昊杨, 吴轶凡, 江友华, 江超, 韩韬, 许永鹏
Format Journal Article
LanguageChinese
Published 上海电力大学 电子与信息工程学院,上海200090%国网电力科学研究院有限公司,江苏 南京211106%上海交通大学 电子信息与电气工程学院,上海200240 01.07.2022
Subjects
负荷监测
二维可视化
格拉姆角场
迁移学习
非侵入式
计算机视觉
Online AccessGet full text
ISSN1006-6047
DOI10.16081/j.epae.202203002

Cover

More Information
Summary:TM73; 以单一特征为标签的用电设备识别,因特征携带的信息量不足,在区分性质相似的负荷时易产生误判,为此,提出一种将电流序列编码为图像的二维可视化方法,通过计算机视觉技术对负荷进行分类识别.利用Fryze功率理论提取电流的非有功分量,通过格拉姆角场(GAF)将一维电流序列转换成二维图像,借助数据扩充的方式进行升维,并赋予矩阵颜色特征来提升负荷标签的辨识度;基于迁移学习的思想,利用预训练模型Inception_v3提取并学习GAF图像特征,并以该特征为标签对负荷类型进行分类识别.在2个公开数据集上的实验验证了所提方法在高频采集场景下的准确性和有效性.
ISSN:1006-6047
DOI:10.16081/j.epae.202203002