电力物联网下多源感知终端产生的“多”参量包括以电力量测为代表的时间序列等结构化参量,也包括图像、检修报告等非结构化参量[4],二者在物理意义和表征形式上有很大的差别,即电力异构多参量。对多参量进行融合,使其相互补充和增强,能有效提高电力感知的精确性;同时,当某一类或几类参量由于感知终端老化、通信故障等出...
目前,电力多参量融合仍以同构多参量融合和决策级异构多参量融合为主,异构、多源的融合及分析技术薄弱,无法满足电力物联网下的异构多参量深度融合需求。该文提出一种适用于电力结构化时序参量和非结构化图像参量的普适性融合框架,可用于电力对象的描述性、预测性或决策性分析。 研究背景 对多源电力感知终端产生的异构...
多源电力感知终端电力异构多参量特征级融合特征同化多参量递归图对多源电力感知终端产生的异构多参量数据进行融合分析,是实现电力物联网下电力目标有效感知的关键.目前,电力多参量融合仍以同构多参量融合和决策级异构多参量融合为主,异构,多源的融合及分析技术薄弱,无法满足电力物联网下的异构多参量深度融合需求.该文提出一...
对多源电力感知终端产生的异构多参量数据进行融合分析,是实现电力物联网下电力目标有效感知的关键.目前,电力多参量融合仍以同构多参量融合和决策级异构多参量融合为主,异构、多源的融合及分析技术薄弱,无法满足电力物联网下的异构多参量深度融合需求.该文提出一种适用于电力结构化时序参量和非结构化图像...
目前,电力多参量融合仍以同构多参量融合和决策级异构多参量融合为主,异构、多源的融合及分析技术薄弱,无法满足电力物联网下的异构多参量深度融合需求。该文提出一种适用于电力结构化时序参量和非结构化图像参量的普适性融合框架,可用于电力对象的描述性、预测性或决策性分析。