基于优化极限学习机的非侵入式负荷识别

• 作者: 尤艺 梁喆
• 来源期刊: 重庆工商大学学报（自然科学版）
• 学科: 工学
• 关键词: 非侵入式 负荷识别 极限学习机 遗传算法
• 年，卷（期）: 2022,（2）
• 页码范围: 24-29
• 页数: 6页
• 分类号: TM64
• 语种: 中文
• DOI: 10.16055/j.issn.1672-058X.2022.0002.004

摘要

在极限学习机的非侵入式负荷识别算法中,由于输入权值和隐含层阈值的随机产生容易导致误判,鉴于此,提出了一种改进的遗传算法优化极限学习机方法.对遗传算法中选择算子进行改进,改进方法为求解出个体的适应度值,并按从小到大的顺序完成排序,将排完序的种群等分成4份,按照比例从4份中择优组成新种群,对新种群中剩余个体再从适应度较大的部分中择优;结合爬山法获得优化后的权值和阈值,构建优化极限学习机网络对负荷进行识别;利用MATLAB进行仿真验证,验证结果表明:优化后算法与未优化算法相比,负荷识别的准确率提高了约7.41％,体现了更优的分类性能,证明了该算法对负荷识别的有效性.