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:
非侵入式负荷识别采用单一负荷特征量识别时,准确率达不到要求;采用多负荷特征量识别则需大量数据,增大模型的复杂程度和识别计算量.对此,提出利用复现性指标和熵权区分度指标对负荷特征进行处理,进而优化数学模型,采用改进布谷鸟(CS)算法实现求解测量量与估计量之差最小化的识别问题.算例分析结果表明,采用优化模型进行负荷识别时,放大了各负荷特征间的差异,提高了负荷辨识率,同时改进后的CS算法提高了收敛速度和准确率.
推荐文章
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
基于改进EWT-多尺度熵和KELM的球磨机负荷识别方法
磨机负荷
经验小波变换
优化
KELM
计算机模拟
模型预测控制
基于SAGA-FCM算法的非侵入式负荷监测方法
监测方法
非侵入负荷监测
差量特征提取
聚类过程优化
SAGA-FCM算法
聚类识别
基于结构熵权法的非侵入式家电识别研究
结构熵权法
多特征识别
非侵入式
居民用电行为
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 基于复现性和熵权区分度的非侵入式负荷识别方法
来源期刊 水电能源科学 学科 工学
关键词 非侵入式负荷识别 复现性 熵权区分度 改进CS算法 莱维飞行(Levy飞行)
年,卷(期) 2019,(10) 所属期刊栏目 电气工程
研究方向 页码范围 163-167
页数 5页 分类号 TM715
字数 语种 中文
DOI
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 许仪勋 上海电力大学电气工程学院 12 50 3.0 7.0
2 李盈含 上海电力大学电气工程学院 4 0 0.0 0.0
3 李宁 上海电力大学电气工程学院 2 0 0.0 0.0
4 王玥 上海电力大学电气工程学院 3 2 1.0 1.0
5 殷煌凯 上海电力大学电气工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (78)
共引文献  (24)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1936(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(3)
  • 参考文献(1)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(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(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(8)
  • 参考文献(0)
  • 二级参考文献(8)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(4)
  • 参考文献(0)
  • 二级参考文献(4)
2014(6)
  • 参考文献(1)
  • 二级参考文献(5)
2015(10)
  • 参考文献(0)
  • 二级参考文献(10)
2016(12)
  • 参考文献(1)
  • 二级参考文献(11)
2017(9)
  • 参考文献(0)
  • 二级参考文献(9)
2018(5)
  • 参考文献(4)
  • 二级参考文献(1)
2019(6)
  • 参考文献(0)
  • 二级参考文献(6)
2019(6)
  • 参考文献(0)
  • 二级参考文献(6)
  • 引证文献(0)
  • 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
复现性
熵权区分度
改进CS算法
莱维飞行(Levy飞行)
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
水电能源科学
月刊
1000-7709
42-1231/TK
大16开
武汉市洪山区珞喻路1037号华中科技大学内
38-111
1983
chi
出版文献量(篇)
9307
总下载数(次)
26
总被引数(次)
55104
论文1v1指导