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:
为了提高家用电器负荷辨识准确度,推动智能用电发展,本文采用基于小波分析的方法进行家用电器负荷识别.由于非侵入式负荷监测可在较高准确度的前提下监测用户负荷运行状态并克服了侵入式负荷监测的缺点,本文研究基于非侵入式的负荷辨识.由于Haar小波构造简单并且变换过程中不会丢失信息,本文选择Haar小波作为分解信号的小波基.通过分析对比负荷各类数据,最终选取负荷电流暂态数据作为特征提取依据,根据测量的三种家用电器数据,将其进行数学处理,找出三类数据特征值作为负荷识别的依据.为了检验特征值提取的科学性,本文进一步采用支持向量机对负荷辨识效果进行验证,采用一对一法构建分类模型,通过支持向量机对三种负荷进行辨识,负荷识别率达到了100%,证明了本文所提出特征值的正确性..
推荐文章
家用电器安全检测技术的有关分析
家用电器
安全检测
检测技术
日常维护
家用电器可靠性设计分析
家用电器
可靠性设计
三防设计
降额设计
热设计
基于家用电器智能化发展现状的研究
智能化
家用电器
电子信息工程
通信工程
发展
家用电器电源电路谐波产生分析与抑制
家用电器
谐波产生与抑制
并联LC谐振
稳压电路
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 基于小波分析的家用电器负荷识别
来源期刊 电力大数据 学科
关键词 小波分解 特征值 支持向量机 家用负荷 负荷识别
年,卷(期) 2021,(4) 所属期刊栏目 大数据专题|Big Data Special Reports
研究方向 页码范围 41-48
页数 8页 分类号 TM714
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (230)
共引文献  (149)
参考文献  (23)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(3)
  • 参考文献(0)
  • 二级参考文献(3)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(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(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(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(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(7)
  • 参考文献(0)
  • 二级参考文献(7)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(12)
  • 参考文献(0)
  • 二级参考文献(12)
2011(17)
  • 参考文献(0)
  • 二级参考文献(17)
2012(24)
  • 参考文献(2)
  • 二级参考文献(22)
2013(16)
  • 参考文献(0)
  • 二级参考文献(16)
2014(30)
  • 参考文献(3)
  • 二级参考文献(27)
2015(26)
  • 参考文献(1)
  • 二级参考文献(25)
2016(35)
  • 参考文献(2)
  • 二级参考文献(33)
2017(16)
  • 参考文献(4)
  • 二级参考文献(12)
2018(15)
  • 参考文献(2)
  • 二级参考文献(13)
2019(10)
  • 参考文献(7)
  • 二级参考文献(3)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
2021(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
小波分解
特征值
支持向量机
家用负荷
负荷识别
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
电力大数据
月刊
2096-4633
52-1170/TK
16开
贵州省贵阳市解放路251号
1977
chi
出版文献量(篇)
4266
总下载数(次)
8
论文1v1指导