计及小波设计和半监督机器学习的非侵入式负载识别

• 作者: 周步祥 张冰 张致强 王鑫 罗燕萍
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 蒙特卡罗方法 小波设计 非侵入式负荷识别 半监督机器学习 协同训练
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 学术论文
• 页码范围: 143-150
• 页数: 8页
• 分类号: TM763
• 字数: 5974字
• 语种: 中文
• DOI: 10.19635/j.cnki.csu-epsa.000253

摘要

在非侵入式负载识别技术的基础上,为进一步提高电器设备的识别效率,克服传统智能算法对开关事件分类准确度的缺陷,提出了一种半监督机器学习的识别方法,小波设计和普鲁克分析用于提取家庭常用电器的开、关暂态特征信息,利用小波的能量系数作为特征值,采用最近邻算法和决策树算法2个分类器协同训练分类出负载样本,分类准确度的判断使用蒙特卡罗方法进行评估,通过对4种常用电器进行仿真实验,结果表明,相比监督机器学习的一对余算法77%的准确度,所提方法准确度达到了95.6%,运行测试时间由一对余(OAR)算法的10～12 ms降为6 ms,提高了对负荷特征相近电器的识别准确度和识别速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周步祥	四川大学电气工程学院	121	1391	19.0	33.0
2	张致强	四川大学电气工程学院	8	5	2.0	2.0
3	张冰		4	14	2.0	3.0
4	王鑫		1	0	0.0	0.0
5	罗燕萍	四川大学电气工程学院	2	0	0.0	0.0