基于小波设计和数据挖掘算法协同训练的非侵入式负载识别

基于小波设计和数据挖掘算法协同训练的非侵入式负载识别

ID:35127630

大小:3.43 MB

页数:7页

时间:2019-03-19

基于小波设计和数据挖掘算法协同训练的非侵入式负载识别_第1页
基于小波设计和数据挖掘算法协同训练的非侵入式负载识别_第2页
基于小波设计和数据挖掘算法协同训练的非侵入式负载识别_第3页
基于小波设计和数据挖掘算法协同训练的非侵入式负载识别_第4页
基于小波设计和数据挖掘算法协同训练的非侵入式负载识别_第5页
资源描述:

《基于小波设计和数据挖掘算法协同训练的非侵入式负载识别》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、基于小波设计和数据挖掘算法协同训练的非侵入式负载识别周步祥,张致强,袁岳,刘治凡,廖敏芳(四川大学电气信息学院,成都610065)摘要:居民用电信息细化对于规划居民电器使用和降低电能消耗具有重要的意义。文章在非侵入式负载识别技术的基础上,提出了一种利用数据挖掘算法进行协同训练的方法,小波设计用于提取家庭常用电器的开、关暂态特性的特征信息,利用小波的能量系数作为特征值,使用k近邻算法和决策树算法协同训练分类出负载样本,对测试集进行了算法验证实验,在简化了计算复杂性的基础上获得了更高的识别精度,克服了一对余算法在分类真实负类事件上存在的缺陷,为用电可视化的服务研究工作打下基

2、础。关键词:非侵入式负荷识别;小波分析;决策树算法;k近邻算法;协同训练中图分类号:TM933文献标识码:B文章编号:1001-1390(2019)00-0000-00Non-intrusiveloadmonitoringrecognitionbasedonco-trainingofwaveletdesignanddataminingalgorithmZhouBuxiang,ZhangZhiqiang,YuanYue,LiuZhifan,LiaoMinfang(SchoolofElectricalandInformationEngineering,SichuanUniv

3、ersity,Chengdu610065,China)Abstract:Thedecomposedinformationofpowerconsumptionofhouseholdappliancesismeaningfulforschedulingtheappliancesandthereductioninhomeenergyuse.Thispapervalidatestheeffectivenessofimplementingco-testinginNILM.Onthebasisofnon-intrusiveloadrecognitiontechnique,aco-t

4、rainingmethodisproposedthroughusingdataminingalgorithm.Waveletdesignisusedtoextractfeaturesfromtheswitchingtransientsofloads.TheenergycoefficientofwaveletisUsingusedtheenergycoefficientofwaveletastheeigenvalue,k-NNalgorithmandDTmodelwereusedtoco-traintheloadsamples.Thispaperhascarriedont

5、healgorithmicverificationexperiment,hasandobtainedthehigheridentificationaccuracyonthebasisofsimplifyingthecomputationalcomplexityandovercomesthedeficienciesofOARalgorithmsintheclassificationoftruenegativeclassevents.Itconcludesthattheresearchlaidthefoundationforthestudyofelectricityvisu

6、alizationservice.Keywords:non-intrusiveloadmonitoringrecognition,waveletanalysis,Decisiondecisiontreealgorithm,k-NearestnearestNeighborneighboralgorithm,co-training0引言负载设备识别是实现对负荷精细化建模的第一步,只有通过对用电数据进行数据挖掘获取负荷成分的变化规律,才能建立准确的时变负荷模型,这对实现精细化的需求侧管理,例如精确的负荷预测和分析主动配电系统的动态特性具有重要意义[参考文献[1]赵俊华,董朝阳

7、,文福拴,等.面向能源系统的数据科学:理论、技术与展望[J].电力系统自动化,2017,41(4):1-11,19.ZhaoJunhua,DongZhaoyang,WenFushuan,etal.DataScienceforEnergySystems:Theory,TechniquesandProspect.s[J].AutomationofElectricPowerSystems,2017,41(4):1-11,19.]。家庭居民的用电负荷识别,是通过在配电板及用电器等位置设置传感器,通过无线通信、电力线载波或以太网的方式采集电力消耗量

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。