低抽样数据的极限学习能源解析算法

• 作者: 唐秀明 袁荣湘 陈君
• 来源期刊: 电气工程学报
• 学科: 工学
• 关键词: 能量解析 监督分类 极限学习
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 理论研究
• 页码范围: 34-40
• 页数: 7页
• 分类号: TM301
• 语种: 中文
• DOI: 11.11985/2016.03.005

摘要

能量解析在分解综合负荷及提高设备的能量效率方面起到重要作用.当前,能量解析方法主要存在较低准确性和效率问题.论文提出一种基于低频监控数据的多输出极限学习的能源解析方法.该方法的特征映射函数可一次随机生成且无需调整其参数,与支持向量机方法相比,其优化目标函数具有较少的优化约束条件且更易实现.用实际记录的房屋能量数据进行仿真,仿真结果表明:与支持向量机相比,本文方法具有更高的训练速度和分类精度、更少的计算时间和更强的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐秀明	武汉大学电气工程学院	9	16	2.0	3.0
3	陈君	武汉大学电气工程学院	11	26	4.0	4.0
5	袁荣湘	武汉大学电气工程学院	87	1279	19.0	32.0