基于XGBoost的非侵入式负荷分解

为提高非侵入式负荷分解的准确率，更准确地挖掘电力用户的用电信息，提出了基于机器学习XGBoost算法的非侵入式负荷分解方法。以决策树中的回归树模型为基础，通过梯度提升树得到由回归树构成的强评估器。同时，以损失函数和模型复杂度为目标函数，并引入叶子结点，得到更准确的XGBoost非侵入式负荷识别模型。在公开数据集（Referenceenergy disaggregation data set,REDD）上对模型进行了验证。结果表明，所提方法能大幅提高非侵入式负荷识别的准确性。