May, 2022

基于图论的可解释的仪表 - 变压器映射识别

PDF
TL;DR该论文提出了一种利用谱嵌入方法来解决分布式能源资源对配电网中变压器过载的问题，通过使用电压基拉普拉斯矩阵的前 k 小的特征值辨别电表和母变压器之间的映射关系，该方法通过 IEEE 测试系统和真实饲养器的数字模拟实验证明了其可行性。
distributed energy resourcesmeter-transformer mappingspectral embeddinglaplacian matrixnumerical simulations
发现论文，激发创造
  • 基于智能电表数据识别电力配电网络拓扑

    本文提出了一种新的基于数据驱动的方法，利用智能电表的能源测量时间序列来识别低压电力系统的网络拓扑结构，包括负载相位连接，并应用主成分分析及其图论解释推断拓扑结构。通过在随机生成的网络和 IEEE 公认的 Roy Billinton 分布测试系统上进行模拟演示，验证了所提出方法的有效性。

    Sep, 2016

  • 具有未知模式和性能保障的配电网线路故障识别

    在这项研究中，我们提出了一种实用而稳健的检测方法，仅利用现有的电压幅值，消除了昂贵的相角或功率流数据的需求，并通过梯度下降学习后事故分布的参数，以及添加 Bregman 散度约束解决可行性问题，证明可以及时检测和定位停电，无需假设已知停电模式。

    Sep, 2023

  • 智能传感器能耗分解的高效局部注意力变换器

    使用 ELTransformer 模型进行非侵入式负载监测（NILM），通过规范化和局部关注头模型大大简化计算并提高提取短期局部模式的能力，并证明了 ELTransformer 比现有模型表现更出色。

    Mar, 2022

  • 释放 Transformer 在图形任务中的能力

    本研究提出了一种名为 DET 的新型 Transformer 架构，采用结构编码器聚合连接邻居的信息和语义编码器聚焦于远距离节点，通过自监督训练寻找所需的远距离邻居，比使用多跳邻居的方法更为优越。实验结果表明，DET 在处理分子、网络和各种规模的知识图谱方面比对应的最新方法具有更优越的性能表现。

    Feb, 2022

  • 基于图嵌入和动态特征的变化电力网络拓扑的瞬态稳定性监控

    传输稳定性预测模型使用图嵌入动态特征及监督对比学习来预测能源网络结构变化下的瞬态稳定性。

    Aug, 2023

  • 通过张量分解进行电网异常检测

    通过使用非负张量分解的统计行为分析方法，我们在聚变反应实验中展示了提高特异性和准确性的能力，从而能够识别出电网系统中的异常情况。

    Oct, 2023

  • 面向拓扑的端到端电力系统可靠性评估机器学习

    本研究探讨使用端到端机器学习直接预测可靠性指标，提出了基于输入特征的系统阻抗矩阵编码的机器学习流程，通过对输电线路的定期维护对特定拓扑变化的影响进行考虑，使用支持向量机和 Boosting Trees 进行训练和比较，实验证明了该方法在可靠性评估中的适用性。

    May, 2022

  • 智能电表数据的重新伪装策略对深度学习分析攻击不具鲁棒性

    智能电表、再节点化、基于深度学习的剖析攻击、神经网络嵌入以及家庭用电记录

    Apr, 2024

  • 配电网负荷预测的全球建模方法

    该研究提出了一种基于深度学习的全局建模方法、无监督的本地化机制和最优集成构建策略，以有效预测分布式网络中大量负载，该方法通过减少模型训练的计算负担，以及利用不同负载之间的交叉信息共享，能够比竞争方法更好地适用于实际智能电表数据，并提高预测精度。

    Apr, 2022

  • 通过耦合的块张量分解进行频谱制图

    本文提出了基于联合块 - 项张量分解的射频地图恢复和分解方法，保证了在实际条件下每个发射器的单个射频地图的可辨识性，并提出了有效的优化算法来解决射频地图的分解问题。

    Nov, 2019