基于彩色图像特征提取及融合的非侵入式负荷识别

魏广芬; 李谊林; KUZENGURIRA T.Tapiwa; 赵航; 胡春华; 张玉猛

doi:10.13335/j.1000-3673.pst.2024.0972

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于彩色图像特征提取及融合的非侵入式负荷识别

自动化 | 更新时间：2025-11-25

- 基于彩色图像特征提取及融合的非侵入式负荷识别
- 基于彩色图像特征提取及融合的非侵入式负荷识别
- 电网技术 2025年49卷第11期页码：4854-4864
- 作者机构：
  
  1. 山东工商学院信息与电子工程学院
  2. 烟台东方威思顿电气有限公司
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(62173213);山东省自然科学基金(ZR2019MF069);烟台市科技创新发展项目(2020LJRC119)~~
- DOI：10.13335/j.1000-3673.pst.2024.0972
  中图分类号： TM714;TP391.41
- 纸质出版：2025
- 稿件说明：
移动端阅览
魏广芬, 李谊林, KUZENGURIRA T.Tapiwa, 等. 基于彩色图像特征提取及融合的非侵入式负荷识别[J]. 电网技术, 2025,49(11):4854-4864.

魏广芬, 李谊林, KUZENGURIRA T.Tapiwa, et al. 基于彩色图像特征提取及融合的非侵入式负荷识别[J]. 2025, 49(11): 4854-4864.
魏广芬, 李谊林, KUZENGURIRA T.Tapiwa, 等. 基于彩色图像特征提取及融合的非侵入式负荷识别[J]. 电网技术, 2025,49(11):4854-4864. DOI： 10.13335/j.1000-3673.pst.2024.0972.

魏广芬, 李谊林, KUZENGURIRA T.Tapiwa, et al. 基于彩色图像特征提取及融合的非侵入式负荷识别[J]. 2025, 49(11): 4854-4864. DOI： 10.13335/j.1000-3673.pst.2024.0972.

摘要

非侵入式负荷监测(non-intrusive load monitoring

NILM)技术可以有效监测和分析电器负荷设备的能耗及运行状态，其成本低、实用性强，具有广泛的应用前景。为有效提升基于图像特征的非侵入式负荷识别方法的识别效果，该文提出了一种新颖的3种NILM灰度图像特征提取及融合方法，分别通过加权递归图、格拉姆角场和马尔可夫转移场提取稳态电流周期性和相似性等重复模式特征、时间依赖性和相关性等静态特征及全局趋势和局部趋势等动态特征，得到3个NILM灰度图像矩阵，将其对应构建为彩色图像的红绿蓝3个颜色通道，从而融合为含有丰富负荷特征的彩色特征图像。进一步针对彩色特征图像处理复杂度提升的问题，提出了一种参数量更少、迭代速度更快同时保持高准确率的卷积神经网络负荷识别模型，有效降低了彩色图像分析模型的复杂度。与当前NILM领域的典型新型算法对比，该文所提负荷识别方法在多个高频数据集的识别精度均取得最优。

Abstract

关键词

Keywords

references

A. Cominola,M. Giuliani,D. Piga,A. Castelletti,A.E. Rizzoli.A Hybrid Signature-based Iterative Disaggregation algorithm for Non-Intrusive Load Monitoring[J].Applied Energy,2017.

Lucas Pereira,Nuno Nunes.Performance evaluation in non‐intrusive load monitoring: Datasets, metrics, and tools—A review[J].Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery,2018.

Leen De Baets,Joeri Ruyssinck,Chris Develder,Tom Dhaene,Dirk Deschrijver.Appliance classification using VI trajectories and convolutional neural networks[J].Energy & Buildings,2018.

Matthias Kahl,Veronika Krause,Rudolph Hackenberg,Anwar Ul Haq,Anton Horn,Hans-Arno Jacobsen,Thomas Kriechbaumer,Michael Petzenhauser,Mikhail Shamonin,Anton Udalzow.Measurement system and dataset for in-depth analysis of appliance energy consumption in industrial environment[J].tm - Technisches Messen,2019.

程祥,李林芝,吴浩,丁一,宋永华,孙维真.非侵入式负荷监测与分解研究综述[J].电网技术,2016(10).

郭红霞,陆进威,杨苹,刘泽健.非侵入式负荷监测关键技术问题研究综述[J].电力自动化设备,2021(01).

邓晓平,张桂青,魏庆来,彭伟,李成栋.非侵入式负荷监测综述[J].自动化学报,2022(03).

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).

刘志坚,何蔚,刘航,谢静,陶韵旭,张德春.基于格拉姆角场变换和深度压缩模型的变压器故障识别方法[J].电网技术,2023(04).

贺才郡,李开成,杨王旺,董宇飞,宋朝霞,范伟欣,王伟.基于双通道GAF和深度残差网络的电能质量复合扰动识别[J].电网技术,2023(01).

崔昊杨,吴轶凡,江友华,江超,韩韬,许永鹏.非侵入式负荷识别的电流序列可视化方法[J].电力自动化设备,2022(07).

CHEN Junfeng,WANG Xue.Non-intrusive Load Monitoring Using Gramian Angular Field Color Encoding in Edge Computing[J].Chinese Journal of Electronics,2022(04).

祁琪,石富岭,陈宋宋,王隗东,洪登宇,岳晓辉.居民负荷参与电力系统调控关键技术综述与展望[J].电网技术,2024(02).

余雷,刘宏伟,孟芸.基于多模态图像融合的DCCNN识别电能质量扰动[J].现代电子技术,2024(03).

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).

浏览量

571

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于格拉姆角场变换和深度压缩模型的变压器故障识别方法

基于格拉姆角场与改进CNN-ResNet的风电功率预测方法

基于低秩张量补全的非侵入式负荷监测缺失数据修复方法

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

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