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:
针对当前非侵入式负荷监测方法对低功率的家用负荷识别准确率较低的问题,提出了使用遗传算法改进支持向量机的负荷识别方法.该方法以改进的支持向量机为基础,除采用有功和无功功率作为特征外,还采用基波功率因数和电压-电流三次谐波含量差作为负荷识别的新特征,引入遗传算法来对分类过程进行优化,进而实现对家用负荷的分解.实验结果表明:随着监测的家用负荷种类的增加,监测负荷数据量剧增,该方法在大数据场景下具有良好的鲁棒性和准确性.
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
基于降噪滤波与FHMM的非侵入式负荷监测算法
非侵入负荷监测
负荷分解
隐式马尔可夫
维纳滤波
一维滞后滤波
一种基于在线学习的弹道识别方法
弹道识别
支持向量机(SVM)
在线优化
Pegasos
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 一种低功率家用负荷的非侵入式识别方法
来源期刊 电力科学与工程 学科 工学
关键词 非侵入式负荷监测 电压-电流三次谐波含量差 支持向量机 遗传算法
年,卷(期) 2020,(5) 所属期刊栏目
研究方向 页码范围 1-6
页数 6页 分类号 TM76|TM714
字数 3446字 语种 中文
DOI 10.3969/j.ISSN.1672-0792.2020.05.001
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 杨超 贵州大学电气工程学院 42 142 7.0 10.0
2 杜刃刃 贵州大学电气工程学院 2 0 0.0 0.0
3 马海建 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  (162)
共引文献  (185)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(6)
  • 参考文献(0)
  • 二级参考文献(6)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(3)
  • 参考文献(0)
  • 二级参考文献(3)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(9)
  • 参考文献(0)
  • 二级参考文献(9)
2011(7)
  • 参考文献(1)
  • 二级参考文献(6)
2012(10)
  • 参考文献(0)
  • 二级参考文献(10)
2013(19)
  • 参考文献(0)
  • 二级参考文献(19)
2014(22)
  • 参考文献(0)
  • 二级参考文献(22)
2015(22)
  • 参考文献(0)
  • 二级参考文献(22)
2016(28)
  • 参考文献(1)
  • 二级参考文献(27)
2017(20)
  • 参考文献(1)
  • 二级参考文献(19)
2018(4)
  • 参考文献(3)
  • 二级参考文献(1)
2019(4)
  • 参考文献(4)
  • 二级参考文献(0)
2020(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)
研究主题发展历程
节点文献
非侵入式负荷监测
电压-电流三次谐波含量差
支持向量机
遗传算法
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
电力科学与工程
月刊
1672-0792
13-1328/TK
大16开
河北省保定市永华北大街619号华北电力大学
18-182
1985
chi
出版文献量(篇)
3177
总下载数(次)
3
论文1v1指导