基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
非侵入式负荷识别可以提供用电信息,帮助用户改善用电习惯,是智能用电的关键技术.现有非侵入式负荷识别方法主要基于负荷的稳态特征进行识别,对稳态特征近似的负荷识别率不高.针对此问题,该文结合各类家用负荷在投切过程中的不同特点,提出了一种基于选择性贝叶斯分类的识别方法.首先,利用模拟退火算法从特征库中依据负荷特点选择出对于各类负荷最具辨识度的特征;然后,根据选择的特征和高斯核密度估计方法建立灵活贝叶斯分类器;最后,通过计算各负荷的后验概率对负荷进行识别.经实测数据检验,该方法具有良好的识别精度和计算速度.
推荐文章
基于贝叶斯分类研究肌肉动作模式识别方法
自回归模型
表面肌电信号
贝叶斯分类
虚拟仪器
基于颜色编码和残差神经网络的 非侵入式负荷识别
非侵入式负荷识别
V-I轨迹
HSV颜色编码
残差神经网络
基于贝叶斯压缩感知的冲击声识别
冲击声
压缩感知
观测矩阵
特征提取
基于贝叶斯准则的非侵入式负荷监测方法
非侵入式
负荷分解
需求响应
贝叶斯准则
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于选择性贝叶斯分类的非侵入式负荷识别方法
来源期刊 电力建设 学科 工学
关键词 非侵入式负荷识别 灵活贝叶斯分类器 模拟退火算法 特征选择
年,卷(期) 2019,(2) 所属期刊栏目 智能电网
研究方向 页码范围 94-99
页数 6页 分类号 TM933
字数 5946字 语种 中文
DOI 10.3969/j.issn.1000-7229.2019.02.012
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杨洪耕 四川大学电气信息学院 298 4720 34.0 55.0
2 江帆 四川大学电气信息学院 4 5 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (258)
共引文献  (321)
参考文献  (16)
节点文献
引证文献  (3)
同被引文献  (22)
二级引证文献  (0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(8)
  • 参考文献(0)
  • 二级参考文献(8)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(8)
  • 参考文献(0)
  • 二级参考文献(8)
2009(23)
  • 参考文献(1)
  • 二级参考文献(22)
2010(27)
  • 参考文献(1)
  • 二级参考文献(26)
2011(24)
  • 参考文献(0)
  • 二级参考文献(24)
2012(51)
  • 参考文献(2)
  • 二级参考文献(49)
2013(35)
  • 参考文献(2)
  • 二级参考文献(33)
2014(31)
  • 参考文献(1)
  • 二级参考文献(30)
2015(21)
  • 参考文献(0)
  • 二级参考文献(21)
2016(16)
  • 参考文献(3)
  • 二级参考文献(13)
2017(10)
  • 参考文献(2)
  • 二级参考文献(8)
2018(3)
  • 参考文献(3)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
非侵入式负荷识别
灵活贝叶斯分类器
模拟退火算法
特征选择
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电力建设
月刊
1000-7229
11-2583/TM
大16开
北京市昌平区北七家镇未来科技城国家电网办公区A座225
82-679
1958
chi
出版文献量(篇)
6415
总下载数(次)
11
总被引数(次)
42832
论文1v1指导