基于深度迁移学习的家用电器识别研究

• 作者: 余志斌 陈红
• 来源期刊: 传感器与微系统
• 学科: 工学
• 关键词: 非侵入式负荷识别 V-I特征图 数据筛选 深度学习
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 研究与探讨
• 页码范围: 48-50,54
• 页数: 4页
• 分类号: TP183
• 字数: 2926字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2020)06-0048-03

摘要

非侵入式家用负荷识别可实现电能管理、能源监测等电能质量分析,具有低成本、易实施诸多优点.针对实测家用电器稳定运行数据存在噪声干扰,导致大量V-I图数据不可用问题,提出一种V-I图数据筛选算法,筛选表征家用电器的二维V-I特征图数据,并改进深度学习网络,利用迁移学习,实现更好的家用电器识别效果.实验结果表明:数据筛选后不仅提高了电器识别的准确度,又加快了算法的收敛速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	余志斌	西南交通大学电气工程学院	40	366	11.0	17.0
2	陈红	西南交通大学电气工程学院	28	222	8.0	14.0