基于迁移学习与多特征融合编码的电动自行车入户充电非侵入式监测方法

张搏赢; 李想; 闫晶晶; 武昕; 刘林; 黄昱

doi:10.13335/j.1000-3673.pst.2025.0181

English Version Journal Login

您当前的位置：

首页 >

文章列表页 >

基于迁移学习与多特征融合编码的电动自行车入户充电非侵入式监测方法

更新时间：2026-05-22

- 基于迁移学习与多特征融合编码的电动自行车入户充电非侵入式监测方法
- Vol. 50, Issue 5, Pages: 2158-2169(2026)
- 作者机构：
  
  1. 华北电力大学电气与电子工程学院
  2. 中国南方电网电力调度控制中心
- 作者简介：
- 基金信息：
- DOI：10.13335/j.1000-3673.pst.2025.0181
  CLC： TU855;TU998.1
- Published：2026
- 稿件说明：
移动端阅览
张搏赢, 李想, 闫晶晶, et al. 基于迁移学习与多特征融合编码的电动自行车入户充电非侵入式监测方法[J]. 2026, 50(5): 2158-2169.
DOI：

张搏赢, 李想, 闫晶晶, et al. 基于迁移学习与多特征融合编码的电动自行车入户充电非侵入式监测方法[J]. 2026, 50(5): 2158-2169. DOI： 10.13335/j.1000-3673.pst.2025.0181.

摘要

近年来，电动自行车违规充电导致的火灾事故频发，为识别居民家中是否存在违规充电行为，该文提出了一种针对电动自行车违规入户充电的非侵入式监测方法，该方法涵盖事件检测、特征选取和负荷辨识3个关键环节。首先，基于传统窗口累积和算法，针对电动自行车充电负荷特点，对窗口检测方法进行改进。其次，基于类内类间算法与参数估计方法，筛选出针对电动自行车充电负荷的最优特征子集。在此基础上，结合V-I轨迹特征，对电动自行车与家用电器负荷进行V-I轨迹加权颜色编码。最后，基于迁移学习的方法，利用Plaid数据集进行模型预训练，迁移模型至个人数据集进行微调。实验结果表明，该方法在事件检测、特征选取和负荷辨识3个方面均表现优异，为电动自行车违规充电行为的实时监测提供了高效的技术解决方案。

Abstract

关键词

Keywords

references

廖邓彬.基于深度学习的非侵入式负荷监测方法研究[D].中南民族大学,2020(07).

王帅,杜欣慧,姚宏民,王凤萍.面向含多种用户类型的负荷曲线聚类研究[J].电网技术,2018(10).

牛卢璐,贾宏杰.一种适用于非侵入式负荷监测的暂态事件检测算法[J].电力系统自动化,2011(09).

韩笑,邓春宇,张玉天,张瑜,武昕.基于高频数据V-I特性的延时反馈负荷在线快速辨识算法[J].电力系统自动化,2019(09).

张美霞,李丽,杨秀,孙改平,蔡雅慧.基于高斯混合模型聚类和多维尺度分析的负荷分类方法[J].电网技术,2020(11).

史帅彬,张恒,邓世聪,周东国,周洪,胡文山.基于复合滑动窗的CUSUM暂态事件检测算法[J].电测与仪表,2019(17).

解洋,梅飞,郑建勇,高昂,李轩,沙浩源.基于V-I轨迹颜色编码的非侵入式负荷识别方法[J].电力系统自动化,2022(04).

别朝红,任彦哲,李更丰,闫泽辉,王昀,孙思源.“双碳”目标下城市能源系统的形态结构和发展路径[J].电力系统自动化,2022(17).

栾文鹏,韦尊,刘博,刘子帅,余贻鑫.非侵入式负荷监测算法的测试与评价方法[J].电网技术,2022(11).

李想,刘宇航,张琪,武昕.小波检测和特征图谱决策的非侵入电动自行车充电实时监测系统[J].电力系统自动化,2023(19).

臧海祥,陈玉伟,程礼临,朱克东,张越,孙国强,卫志农.基于多尺度分量特征学习的用户级超短期负荷预测[J].电网技术,2024(06).

陈嘉伟,季天瑶,梅广,刘紫罡.基于多尺度特征融合与多任务学习框架的非侵入式负荷监测方法[J].电网技术,2024(05).

王磊,马佳琪,韩肖清,薛邵锴,杨蕊麟,白桦.考虑多状态特征的非侵入式负荷识别方法[J].电网技术,2024(11).

林顺富,林屹峰,李毅,杨嘉钰,李东东.基于负荷高频特征图像化的非侵入式负荷辨识技术研究[J].电网技术,2025(03).

梁志泓,罗庆全,余涛,霍富铭,蓝超凡,梁敏航,潘振宁.基于庞加莱映射与多元特征融合构图的轻量化负荷识别方法[J].电网技术,2024(11).

Views

267

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

基于小样本学习的极端温度变化场景下短期负荷预测

基于域对抗迁移网络的短期电力负荷预测方法

考虑样本分布不均衡的电力系统暂态稳定自适应评估

面向跨季度多时段特征双向聚类与时序迁移的多任务短期电网负荷预测

基于深度学习的公共楼宇电-气负荷非侵入式分解

Related Author

康重庆

李寅晓

梁志峰

郭鸿业

刘瑾瑜

李金航

陈熙

林蔚青

Related Institution

国家电网有限公司国家电力调度控制中心

新型电力系统运行与控制全国重点实验室(清华大学电机系)

国网福建省电力有限公司长乐区供电公司

福州大学电气工程与自动化学院

中国电力科学研究院有限公司

AI问答

⁰