基于DAG-SVMS的非侵入式负荷识别方法 |
| |
作者姓名: | 王毅 徐元源 李松浓 |
| |
作者单位: | 重庆邮电大学通信与信息工程学院,重庆400065;国网重庆市电力公司电力科学研究院,重庆404100;重庆邮电大学通信与信息工程学院,重庆400065;国网重庆市电力公司电力科学研究院,重庆404100 |
| |
摘 要: | 在供电入口处嵌入非侵入式负荷识别技术,有利于推动建筑节能、实现电网负荷预测、开发智能楼宇、完善智能电网体系建设。据此,提出一种基于有向无环图支持向量机(Directed Acyclic Graph Support Vector Machines,DAG-SVMS)的负荷辨识方法。首先,对总线电流信号进行事件检测,检测到暂态事件后,分离目标负荷暂态电流波形,提取特征,然后,将特征输入预先训练好的DAG-SVMS模型进行分类识别。为提升分类器性能,使用粒子群优化PSO(Particle Swarm Optimization)算法优化DAG-SVMS分类器的参数。为减小累积误差,提出Gini指数优化DAG-SVMS节点顺序的策略。实验结果表明,文中方法识别准确率高,识别速度快,具有可行性。
|
关 键 词: | 非侵入式负荷识别 暂态事件 DAG-SVMS模型 Gini指数 PSO算法 |
本文献已被 万方数据 等数据库收录! |
|