Advertisement

MO-NILM：面向NILM的多目标进化算法

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
MO-NILM是一种专为非侵入式负荷监测（NILM）设计的多目标优化算法。通过进化计算技术，它有效解决了NILM中的多个复杂问题，提升了能源管理和消费分析的精度与效率。 MO-NILM：一种用于NILM分类的多目标进化算法由Machlev, R.、Belikov, J.、Beck, Y. 和 Levron, Y. (2019)提出，并发表在《Energy and Buildings》期刊第199期，页码为134-144。此外，Tian, Y., Cheng, R., Zhang, X., & Jin, Y. (2017)介绍了PlatEMO：用于进化多目标优化的MATLAB平台。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • MO-NILM：面向NILM的多目标进化算法
    优质
    MO-NILM是一种专为非侵入式负荷监测（NILM）设计的多目标优化算法。通过进化计算技术，它有效解决了NILM中的多个复杂问题，提升了能源管理和消费分析的精度与效率。 MO-NILM：一种用于NILM分类的多目标进化算法由Machlev, R.、Belikov, J.、Beck, Y. 和 Levron, Y. (2019)提出，并发表在《Energy and Buildings》期刊第199期，页码为134-144。此外，Tian, Y., Cheng, R., Zhang, X., & Jin, Y. (2017)介绍了PlatEMO：用于进化多目标优化的MATLAB平台。
     
  • MO-NILM：用于NILM分类的多目标进化算法 - MATLAB开发
    优质
    简介：本文介绍了一种名为MO-NILM的多目标进化算法，专门针对电力负荷分解中的NILM（非侵入式负载监测）分类问题进行优化，在MATLAB平台上实现并验证了其有效性。 MO-NILM 源代码基于 [1]。一些备注如下： 1) 此设置用于文章中的场景 3：MO-NILM2 (P, Q)。在此配置中，您可以使用两个功能（在我们的例子中是 P 和 Q，但您也可以根据需要更改）。 2）此代码基于 PlatEMO 平台开发，PlatEMO 是一个开源的多目标进化优化问题平台，使用 MATLAB 编写。如果您使用了这份代码，请确保引用 PlatEMO [2] 作为参考文献。 3) 若要运行该程序，请进入 \AmpdsPQ 文件夹并执行 main_Ampds.m 脚本段落件。 4) 在函数“NSGAII_sim_Ampds.m”中，您需要在第15行插入到 mainNsgaII_PQ.m 所在路径的引用（应该是上一级目录）。 5) 数据库位于 \AmpdsPQ\36kSamplesDb 文件夹内。通过仔细审查和逆向工程，您可以根据自己的数据库需求进行相应的修改。对于每一个 Mat 文件来说，第一列代表特征值。
     
  • 基于MATLAB的NILM代码抽取工具：MATLAB-NILM
    优质
    MATLAB-NILM是一款利用MATLAB开发的能量分析软件，专门用于非侵入式负荷监测（NILM）中的代码提取。该工具简化了从复杂电力数据中识别和分离特定电器能耗模式的过程，为研究人员及工程师提供了一个强大的平台来深入探究家庭或商业设施的能源使用情况，助力提高能效与优化电网管理。 二摘代码MATLAB无侵入式负载监控器（NILM）用Matlab模拟。每个data*.mat文件包含两个单元格：power和t。其中，power在相应的label*.txt中包含了所有电器的功率负荷记录，而t则记录了功率负载的时间表。src目录中的所有过程功能都可以在此处找到。相关数据来自data3.mat和data4.mat。该项目主要关注的是data3.mat的内容。
     
  • NILM数据集.xlsx
    优质
    《NILM数据集.xlsx》包含了详细的能源消耗记录，旨在支持非侵入式负荷监测研究。该数据集收集了各类电器在不同使用情况下的电力消耗信息，为学术界和工业界的能源效率分析提供了宝贵资源。 nilm数据集.xlsx 这段文字似乎只是重复了文件名nilm数据集.xlsx多次，并且根据您的要求去除了所有可能的联系信息、链接和其他非必要内容。由于原始文本中没有包含任何需要删除的具体元素（如联系方式或网站地址），因此重写后的版本保持不变，仅保留核心部分即文件名称本身。
     
  • NSGA2多目标进化算法
    优质
    NSGA2是一种高效的多目标优化演化算法，广泛应用于解决复杂问题中的多个冲突目标优化问题，通过分层选择和拥挤距离机制促进种群多样性。 NSGA-Ⅱ是多目标遗传算法中最受欢迎的一种方法之一，它简化了非劣排序遗传算法的复杂性，并且具有运行速度快、解集收敛性好的优点，因此成为其他多目标优化算法性能的标准。NSGA-Ⅱ是在第一代非支配排序遗传算法的基础上改进而来的，主要针对以下三个方面进行了改进：① 提出了快速非支配排序算法，一方面降低了计算复杂度，另一方面将父代种群与子代种群合并起来进行选择下一代个体的选择范围从双倍的空间中选取，从而保留了所有优秀的个体；② 引入精英策略以确保在进化过程中不会丢失某些优良的群体成员，这提高了优化结果的精度；③ 使用拥挤度和拥挤度比较算子不仅克服了NSGA需要人为指定共享参数的问题，并将其作为种群内个体间的比较标准，使得准Pareto域中的个体能够均匀分布在整个Pareto域中，从而保证了种群多样性。
     
  • DFT的Matlab源码-Multi-NILM：多标签非侵入式负载监测
    优质
    本项目提供了一套基于DFT的MATLAB源码，用于实现多标签非侵入式负荷监测（Multi-NILM），能够有效识别电力系统中的多种电器负载。 DFT的MATLAB源代码MULTI-NILM：一种用于多标签非侵入式负载监控的新颖框架描述了该存储库基于一篇论文，并可用于复制实验。它定义了一个适用于多标签NILM系统的框架，包括多种时间序列表示方法如Signal2Vec、BOSS、SFA、WEASEL、DFT、SAX、1d-SAX和PAA；并使用Taken定理实现延迟嵌入。随时可以重用、修改和扩展此存储库。 Multi-nilm是用于高效非侵入式负载监控系统的创新框架，具备三个固有属性：利用数据表示法进行充分降维；采用轻量级分解模型；将分类问题视为多标签分类问题来解决。可以在实验目录下找到例子实验示例。该模块定义了三种类型的实验（GenericExperiment、ModelSelectionExperiment和REDDModelSelectionExperiment）。还可以通过扩展抽象类nilmlab.lab.Experiment来自行创建新的实验类型。 一旦定义好实验，只需几行代码即可进行设置和配置。所有名称为run*.py的文件都是特定实现的例子，并可以作为参考使用。
     
  • NILM-Papers-With-Code: 包含源代码和补充材料的NILM论文存档 - Source Material
    优质
    NILM-Papers-With-Code是一个集合了非侵入式负载监测(NILM)相关研究论文、源代码及补充资料的知识库，方便研究人员访问与利用。 科学成果的可重复性是学术研究的重要组成部分，但往往受到忽视。本存储库致力于收集与同行评审的NILM（又称能量分解）论文相关的资料，这些论文通常会附带源代码或大量补充材料发布。 我们根据多个类别对NILM文献进行分类：算法、工具包、数据集和其它。欢迎随时为该存储库贡献内容！请参考我们的“样式指南”： 标题：“基于图形信号处理的非侵入式设备负载监控少培训解决方案”。赵斌等人，2016年发表于IEEE访问。 标题：“利用HMM稀疏性进行在线实时非侵入式负载监测（NILM）”。S. Makonin等人，2015年发表于IEEE TSG。 标题：“通过基于注意力的深度神经网络改进非侵入式负荷分配”。V. Piccialli等，2021年发布。
     
  • 改进的多目标优化算法
    优质
    本研究提出了一种改进的多目标优化算法，旨在提高复杂问题求解效率与精度，适用于工程设计、经济管理等领域的决策支持。 本段落介绍了多目标优化问题的定义及其数学描述，并讨论了几种解决这类问题的典型算法。文章分析了这些算法各自的优缺点，并指出未来研究应致力于开发更多高效的求解方法。若能融合不同算法的优势，处理多目标优化问题的效果将显著提升。
     
  • 多目标进化算法评估
    优质
    本研究探讨了多种多目标进化算法在解决复杂优化问题中的应用与效果，通过系统性实验对其性能进行了全面评估。 多目标算法性能评价涵盖了各种评估方法，并且有MATLAB和C++两个版本的实现。
     
  • 多目标进化算法(MOEA/D)
    优质
    简介：MOEA/D是一种分解式的多目标优化算法，通过将一个多目标问题转化为多个单目标子问题来求解，适用于解决复杂工程中的多种冲突目标。 MOEA/D在多目标优化领域是一类比较经典的算法。