基于改进隐马尔科夫模型的非侵入式家居负荷识别

• 作者: 刘耀先 孙毅 张旭东 李彬 李昊洋 李飞 祁兵
• 来源期刊: 电力建设
• 学科: 工学
• 关键词: 非侵入式负荷监测方法(NILM) 隐马尔科夫模型(HMM) 人工免疫算法 增量学习
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 非侵入式负荷监测技术及其应用
• 页码范围: 73-80
• 页数: 8页
• 分类号: TM73
• 字数: 6533字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7229.2020.04.009

摘要

针对低频采样识别精确度较低,系统稳定性较差的问题,文章提出了一种基于改进隐马尔科夫模型(hidden Markov model,HMM)的非侵入式负荷监测方法(non-intrusive load monitoring,NILM).该模型运用人工免疫算法和增量学习对传统HMM模型进行双重优化,通过人工免疫算法解决HMM模型容易陷入局部最优的问题,提升了模型的识别精确度.再通过增量学习实现了模型参数的自主更新,使得模型能够适应新的环境,提高了模型的鲁棒性.最后通过低频数据集建立了两个实验场景,对改进的HMM模型进行了实验验证,结果证明了该模型在识别精确度和鲁棒性等方面具有一定优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	祁兵	华北电力大学电气与电子工程学院	118	937	19.0	25.0
2	孙毅	华北电力大学电气与电子工程学院	120	1005	16.0	26.0
3	李彬	华北电力大学电气与电子工程学院	100	523	12.0	19.0
4	李飞		19	50	4.0	6.0
5	刘耀先	华北电力大学电气与电子工程学院	5	30	2.0	5.0
6	张旭东		4	0	0.0	0.0
7	李昊洋	华北电力大学电气与电子工程学院	3	4	1.0	2.0