浙江华云信息科技有限公司, 浙江杭州 310030
针对目前非侵入式负荷检测时存在检测精确度低的问题, 提出一种基于事件驱动-深度学习(EDDL)的负荷检测模型。通过零交叉检测电流数据, 基于事件驱动机制从大量数据中发现关键事件; 将包含关键事件的电流序列转换至图像空间, 并代入基于深度学习的负荷检测模型, 从而实现端对端的非侵入式负荷检测。实验结果表明, 与多分类支持向量机(MSVM)、前馈神经网络 (FNN)、卷积神经网络 (CNN)和长短时记忆网络 (LSTM)模型相比, 所提 EDDL模型综合性能更优, 检测准确率和精确度分别为 94.67%和 91.76%。仿真结果验证了所提模型可基于事件驱动机制挖掘电流数据, 并基于深度学习模型有效提取电流数据特征, 从而实现高精确度的非侵入式电力负荷检测。该模型对非侵入式电力负荷检测研究具有一定借鉴作用。
电力系统 非侵入式 负荷检测 深度学习 事件驱动 power system non-intrusive load detection deep learning event driven 太赫兹科学与电子信息学报
2023, 21(11): 1381
1 江西省检验检测认证总院工业产品检验检测院，江西 南昌330052
2 南昌海关技术中心，江西 南昌330008
3 江西农业大学食品科学与工程学院，江西 南昌330045
以近红外光谱技术在油茶籽粕检测中的应用为研究对象，在简单介绍近红外光谱技术的原理、特点及分析过程的基础上，详细阐述了该技术在油茶籽粕检测中的建模过程，为后续工作者更好地建立油茶籽粕近红外光谱分析模型提供理论依据和指导。同时，通过分析近红外光谱技术在油茶籽粕检测指标、标准制定以及模型转移技术中的发展，总结出该技术在油茶籽粕检测中的三个研究方向：开拓新项目的模型建立、制定普遍适用的标准、解决台间差并完成模型转移。油茶籽粕广泛应用于动物饲料、特医食品、保健食品等行业，因此大力开拓和推广近红外光谱技术在油茶籽粕检测中的应用是必然趋势。
近红外光谱技术 油茶籽粕 模型建立 标准制定 模型转移 near-infrared spectroscopy technology oil-tea camellia meal establishment of models setting of standards model transfer
