《電子技術(shù)應(yīng)用》
您所在的位置:首頁(yè) > 測(cè)試測(cè)量 > 設(shè)計(jì)應(yīng)用 > 基于云平臺(tái)的非侵入式負(fù)荷監(jiān)測(cè)與識(shí)別系統(tǒng)
基于云平臺(tái)的非侵入式負(fù)荷監(jiān)測(cè)與識(shí)別系統(tǒng)
2018年電子技術(shù)應(yīng)用第9期
陳彭鑫1,,仲思東1,2
1.武漢大學(xué) 電子信息學(xué)院,,湖北 武漢430079,;2.武漢大學(xué) 測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室,,湖北 武漢430079
摘要: 為了實(shí)時(shí)遠(yuǎn)程地監(jiān)測(cè)負(fù)荷運(yùn)轉(zhuǎn)狀態(tài)和識(shí)別負(fù)荷種類,設(shè)計(jì)了一種非侵入式負(fù)荷監(jiān)測(cè)系統(tǒng),,并研究基于PCA和kNN的負(fù)荷識(shí)別算法,。在電力供給入口端,通過(guò)在負(fù)荷回路中串聯(lián)康銅電阻采樣工作電流,,通過(guò)電阻分壓網(wǎng)絡(luò)采樣工作電壓,,并計(jì)算負(fù)荷的實(shí)時(shí)有功功率,以1 Hz頻率向云服務(wù)器發(fā)送功率信息,。在云服務(wù)器端,,通過(guò)PCA對(duì)功率值序列進(jìn)行特征提取和降維,通過(guò)kNN對(duì)當(dāng)前接入的負(fù)荷進(jìn)行歸類,用戶可以通過(guò)終端設(shè)備訪問(wèn)負(fù)荷監(jiān)控界面,。在實(shí)驗(yàn)中,,將系統(tǒng)安裝于墻壁插座上,對(duì)8類家用負(fù)荷進(jìn)行監(jiān)控和識(shí)別,,多次實(shí)驗(yàn)結(jié)果顯示負(fù)荷平均識(shí)別率達(dá)到98%以上,,驗(yàn)證了該方案的準(zhǔn)確性和可行性。
中圖分類號(hào): TN98
文獻(xiàn)標(biāo)識(shí)碼: A
DOI:10.16157/j.issn.0258-7998.180615
中文引用格式: 陳彭鑫,,仲思東. 基于云平臺(tái)的非侵入式負(fù)荷監(jiān)測(cè)與識(shí)別系統(tǒng)[J].電子技術(shù)應(yīng)用,,2018,44(9):91-95.
英文引用格式: Chen Pengxin,,Zhong Sidong. A non-intrusive load monitoring and identification system based on cloud platform[J]. Application of Electronic Technique,,2018,44(9):91-95.
A non-intrusive load monitoring and identification system based on cloud platform
Chen Pengxin1,,Zhong Sidong1,,2
1.School of Electronic Information,Wuhan University,,Wuhan 430079,,China; 2.National Key Laboratory of Surveying and Mapping of Remote Sensing Information Engineering,,Wuhan University,, Wuhan 430079,China
Abstract: In order to monitor the load′s running condition and identify the load′s type in real time and long distance, a non-intrusive load monitoring system and a load identification algorithm based on PCA and kNN are designed and developed. On the side of power supply inlet, operating current is sampled through putting a series constantan resistor in the load circuit and operating voltage is sampled through a resistive subdivision network. Thus the load′s real-time active power is calculated and uploaded to the cloud server on the frequency of 1 Hz. On the side of cloud server, features extraction and dimensionality reduction are processed by PCA. The running load is classified by kNN. Users can visit the load monitoring interface by terminal devices. In the experiments, the system is installed in the wall socket to monitor and identify eight types of household appliances. Multiple experimental results show that the average rate of identification is above 98%, which verifies that the method proposed is accurate and feasible.
Key words : non-intrusive,;power measurement,;load identification;cloud server,;PCA,;kNN

0 引言

    電能是現(xiàn)代生產(chǎn)生活中應(yīng)用最廣泛、最重要的能源之一,。在電能計(jì)量方面,,傳統(tǒng)的“一戶一表”方式是由電力部門抄取電能表并給出當(dāng)月耗電度數(shù),其弊端在于用戶無(wú)法獲知具體某用電器在某時(shí)間段內(nèi)的耗電情況,??梢哉f(shuō),用戶對(duì)負(fù)荷集的動(dòng)態(tài)實(shí)時(shí)運(yùn)行信息的掌握還相當(dāng)匱乏,。為解決此問(wèn)題,,傳統(tǒng)的侵入式監(jiān)測(cè)方式在每個(gè)待測(cè)負(fù)荷上加裝功率測(cè)量硬件,“一對(duì)一”地監(jiān)測(cè)負(fù)荷運(yùn)行信息,,缺點(diǎn)是需要破壞負(fù)荷原有的供電電路,,在安裝,、維護(hù)上將耗費(fèi)大量的人力物力[1]

    非侵入式負(fù)荷監(jiān)測(cè)系統(tǒng)(Non-intrusive Load Monitoring System,,NILMS)是在電力供給入口處安裝功率測(cè)量硬件,,無(wú)需破壞負(fù)荷硬件結(jié)構(gòu),可以“一對(duì)多”地監(jiān)控負(fù)荷運(yùn)轉(zhuǎn)狀態(tài)[2],。但由于缺乏當(dāng)前所接入負(fù)荷的種類先驗(yàn)信息,,故隨之而來(lái)的是負(fù)荷種類識(shí)別的問(wèn)題。對(duì)此,,國(guó)內(nèi)外眾多學(xué)者進(jìn)行了相關(guān)研究,尤其是借助神經(jīng)網(wǎng)絡(luò)進(jìn)行負(fù)荷識(shí)別[3-5],。鄭宇等以有功功率增量和電流諧波分量總面積作為特征量,,利用Hopfield神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)負(fù)荷識(shí)別[6];Jiang Lei等以負(fù)荷電流諧波作為特征量,,利用SVM方法進(jìn)行負(fù)荷分類[7],。

    本文從工程應(yīng)用的角度出發(fā),設(shè)計(jì)了一種軟硬件兼?zhèn)涞姆乔秩胧奖O(jiān)測(cè)與識(shí)別系統(tǒng),。設(shè)計(jì)了電源管理電路,、功率計(jì)量電路等,通過(guò)Wi-Fi向云服務(wù)器上傳負(fù)荷的實(shí)時(shí)功率信息,,云服務(wù)器可以根據(jù)預(yù)先訓(xùn)練好的分類器識(shí)別當(dāng)前負(fù)荷種類,,實(shí)現(xiàn)負(fù)荷的分類計(jì)量;提出利用主成份分析法(PCA)對(duì)負(fù)荷的特征量進(jìn)行降維提取,,利用k最近鄰(kNN)算法識(shí)別用電器種類,。與傳統(tǒng)技術(shù)相比,本系統(tǒng)能夠以非侵入方式采集負(fù)荷功率信息,,減少安裝和維護(hù)的工作量,;借助云服務(wù)器識(shí)別負(fù)荷、分析運(yùn)行狀態(tài),,可以遠(yuǎn)程控制負(fù)荷開關(guān),,從而指導(dǎo)用戶合理規(guī)劃用電,實(shí)現(xiàn)節(jié)能減排,;及時(shí)排除故障,,保障人身安全,減少財(cái)產(chǎn)損失,,是智能電網(wǎng)發(fā)展的必然趨勢(shì),。

1 系統(tǒng)結(jié)構(gòu)

    非侵入式負(fù)荷監(jiān)測(cè)與識(shí)別系統(tǒng)由分布式硬件節(jié)點(diǎn)、路由器,、云服務(wù)器和智能終端組成,,如圖1所示。其中,分布式硬件節(jié)點(diǎn)布設(shè)在各電力供給入口處采集負(fù)荷的功率信息,,每個(gè)節(jié)點(diǎn)上都帶有Wi-Fi芯片用于連接路由器,;路由器將各節(jié)點(diǎn)的功率信息通過(guò)因特網(wǎng)轉(zhuǎn)發(fā)至云服務(wù)器;云服務(wù)器上保存有各個(gè)節(jié)點(diǎn)上不同負(fù)荷的歷史耗電記錄,,并根據(jù)訓(xùn)練好的分類器識(shí)別當(dāng)前運(yùn)轉(zhuǎn)的負(fù)載,,同時(shí)向用戶提供訪問(wèn)接口;用戶可以通過(guò)智能終端聯(lián)網(wǎng)查看各電力供給入口的負(fù)荷運(yùn)行狀態(tài),,發(fā)送電路控制指令,。

ck4-t1.gif

    如圖2所示,硬件節(jié)點(diǎn)是一個(gè)完整的功率測(cè)量系統(tǒng),。當(dāng)負(fù)荷接入電力供給入口時(shí),,功率計(jì)量電路采集負(fù)荷的電壓、電流有效值并轉(zhuǎn)換為隨交流電浮動(dòng)的高頻脈沖信號(hào),;通過(guò)光電耦合器將高頻脈沖信號(hào)與交流電隔離后,,CPLD用“等精度測(cè)量”的方法對(duì)高頻脈沖計(jì)數(shù);MCU獲得脈沖頻率后,,解算出功率值并通過(guò)Wi-Fi發(fā)送到云服務(wù)器,。另外,當(dāng)硬件節(jié)點(diǎn)收到由云服務(wù)器傳來(lái)的控制指令時(shí),,由MCU控制繼電器通斷,。

ck4-t2.gif

2 硬件節(jié)點(diǎn)端電路設(shè)計(jì)

2.1 電源管理電路

    自激隔離式開關(guān)電源用于給光耦、CPLD,、MCU,、繼電器和Wi-Fi芯片供電,如圖3所示,。其中,,單相工頻市電經(jīng)半波整流后加到三極管Q2上,Q2起到開關(guān)的作用,。當(dāng)Q2微導(dǎo)通時(shí),,變壓器初級(jí)繞組L1和L2將產(chǎn)生相反方向的感應(yīng)電動(dòng)勢(shì);當(dāng)Q2處于飽和狀態(tài)時(shí),,L1中電流近似線性增加,,L2中產(chǎn)生的穩(wěn)定電動(dòng)勢(shì)給電容C2充電;當(dāng)Q2處于截止?fàn)顟B(tài)時(shí),,L1和L2中的感應(yīng)電動(dòng)勢(shì)極性反轉(zhuǎn),,最終形成自激振蕩。在副級(jí)電路中,,通過(guò)二極管D2和電解電容C4進(jìn)行穩(wěn)壓濾波,。

ck4-t3.gif

    圖4所示電路可以提供5 V,、200 mA的非隔離式電源,用于給功率計(jì)量芯片HLW8012供電,。MP150是一款原邊整流器,,可以實(shí)現(xiàn)精確的恒壓調(diào)節(jié)功能。單相工頻市電經(jīng)整流,、濾波和穩(wěn)壓后獲得5 V壓差,,由于模擬地與零線N相連,因此該5 V壓差隨交流零線浮動(dòng),。弱電區(qū)通過(guò)自激隔離式電源供電,,強(qiáng)電區(qū)通過(guò)非隔離式電源供電,避免了220 V交流電竄入弱電區(qū),,增加系統(tǒng)的可靠性,。

ck4-t4.gif

2.2 功率計(jì)量電路

    負(fù)荷的實(shí)時(shí)用功功率計(jì)量電路如圖5所示,HLW8012是一款單相功率計(jì)量芯片,,滿足50/60 Hz IEC 687/1036準(zhǔn)確度要求標(biāo)準(zhǔn),。L_Relay為經(jīng)過(guò)繼電器的火線,,N為零線,。通過(guò)在負(fù)荷回路中串聯(lián)2 mΩ的康銅電阻RS采樣工作電流,通過(guò)電阻網(wǎng)絡(luò)R5~R9采集工作電壓,。將采樣電壓經(jīng)壓頻轉(zhuǎn)換后,,輸出表征電壓、電流有效值和有功功率的高頻脈沖信號(hào)CF和CF1,。

ck4-t5.gif

    利用“等精度”的方法測(cè)量高頻脈沖頻率,。圖6所示為CPLD搭建的等精度測(cè)頻數(shù)字邏輯電路,其中,,標(biāo)準(zhǔn)信號(hào)為50 MHz晶振信號(hào),,閘門信號(hào)設(shè)置為寬度為1 s的脈沖,D觸發(fā)器捕獲到待測(cè)信號(hào)的邊沿時(shí),,閘門信號(hào)才會(huì)被鎖存到輸出端,,32位標(biāo)準(zhǔn)信號(hào)計(jì)數(shù)器和待測(cè)信號(hào)計(jì)數(shù)器同時(shí)被使能并開始計(jì)數(shù),故待測(cè)信號(hào)計(jì)數(shù)器不會(huì)出現(xiàn)±1個(gè)計(jì)數(shù)值的誤差,。1 s計(jì)數(shù)結(jié)束后,,D觸發(fā)器鎖存閘門信號(hào)的下降沿,同時(shí)讀取計(jì)數(shù)器數(shù)值,,并通過(guò)式(1)計(jì)算待測(cè)信號(hào)的頻率fdc,,bz_count[31..0]和dc_count[31..0]分別存儲(chǔ)了閘門時(shí)間內(nèi)標(biāo)準(zhǔn)信號(hào)和待測(cè)信號(hào)的上升沿個(gè)數(shù)。

ck4-t6.gif

     ck4-gs1-2.gif

    有功功率的輸出頻率FCF,、電流有效值的輸出頻率FCFI和電壓有效值的輸出頻率FCFU可由式(2)計(jì)算,,其中V1是電流通道引腳上的電壓信號(hào),,V2是電壓通道引腳上的電壓信號(hào),fosc為3.579 MHz的振蕩器頻率,,VREF為2.43 V的基準(zhǔn)電壓源,。實(shí)測(cè)出輸出頻率后,即可反推出電流,、電壓有效值和有功功率值,。

2.3 光耦隔離電路

    光耦隔離電路的作用是將功率計(jì)量電路輸出的高頻脈沖轉(zhuǎn)換為3.3 V電平標(biāo)準(zhǔn)的數(shù)字脈沖并與強(qiáng)電區(qū)域隔離,隔離后的脈沖由CPLD計(jì)數(shù),。如圖7所示,,HCPL-0630是雙通道光耦芯片,開關(guān)速度可達(dá)到10 Mb/s,。來(lái)自HLW8012的高頻脈沖CF和CF1連接鋁砷化鎵發(fā)光二極管的陰極,,輸出端CF_IO和CF1_IO作為待測(cè)信號(hào)連接圖6所示的測(cè)頻邏輯電路。當(dāng)二極管發(fā)光時(shí),,右側(cè)三極管導(dǎo)通,,輸出低電平;反之,,三極管截止,,輸出高電平。

ck4-t7.gif

2.4 Wi-Fi,、繼電器電路

    系統(tǒng)通過(guò)圖8所示的Wi-Fi電路與云服務(wù)器實(shí)現(xiàn)TCP/IP通信,。云服務(wù)器收到終端發(fā)出的控制指令后,將指令按硬件編號(hào)轉(zhuǎn)發(fā)到各節(jié)點(diǎn)上,。節(jié)點(diǎn)通過(guò)Wi-Fi電路接收到開關(guān)指令,,通過(guò)圖9所示的繼電器電路控制負(fù)荷與電力入口連通或斷開。R_IO由MCU控制其電平狀態(tài),,繼電器RY1串聯(lián)在三極管Q0的集電極,,當(dāng)R_IO為低電平時(shí),三極管Q0截止,,繼電器處于常開狀態(tài),;當(dāng)R_IO置高時(shí),三極管Q0導(dǎo)通,,繼電器吸合,。

ck4-t8+t9.gif

3 云服務(wù)器端數(shù)據(jù)處理方法

3.1 基于PCA的特征提取與降維

    對(duì)于一個(gè)電力供給入口來(lái)說(shuō),總存在若干個(gè)經(jīng)常接入使用的電負(fù)荷,,既然系統(tǒng)已經(jīng)能夠獲取負(fù)荷隨時(shí)間變化的功率值,,那么在已知“功率-時(shí)間”波形圖的基礎(chǔ)上,可以對(duì)波形圖進(jìn)行特征提取和降維,,得到一組可以鑒別負(fù)荷種類的特征向量,。具體方法為:采集n類負(fù)荷在1 min內(nèi)的功率數(shù)據(jù)作為訓(xùn)練樣本,,提取功率值序列的平均數(shù)、中位數(shù),、眾數(shù),、方差、極差,、峰度,、偏度、四分位差,、正斜率均值和負(fù)斜率均值等共10種基本統(tǒng)量,,得到n類負(fù)荷的樣本數(shù)據(jù)矩陣xn×10。其中,,正,、負(fù)斜率均值分別指將離散功率值序列作差分運(yùn)算后的正數(shù)集的平均數(shù)和負(fù)數(shù)集的平均數(shù)??紤]到特征量維數(shù)較多且相互之間具有一定的相關(guān)性,,采用主成分分析(Principal Components Analysis,PCA),,通過(guò)正交變換將基本統(tǒng)計(jì)量降維成相互獨(dú)立的綜合指標(biāo)[8],。

ck4-gs3-5.gif

3.2 基于kNN的負(fù)荷分類

    k最近鄰(k-NearestNeighbor,kNN)分類算法的核心思想是“投票機(jī)制”,。將一個(gè)測(cè)試樣本投放到眾多已分類好的訓(xùn)練樣本中,,分別計(jì)算該測(cè)試樣本與各訓(xùn)練樣本的歐式距離來(lái)作為相似性指標(biāo)[9],。本方案中,,歐式空間的維度為經(jīng)過(guò)PCA降維后的綜合特征量的個(gè)數(shù)。

4 采集端和云端流程圖

    采集端MCU的程序流程如圖10所示,。首先初始化時(shí)鐘,、串口、定時(shí)器等片內(nèi)外設(shè),。再通過(guò)AirKiss協(xié)議配置Wi-Fi模塊所接入無(wú)線網(wǎng)的SSID和密碼,,成功連接路由器后被分配IP地址。接著,,CPLD對(duì)功率計(jì)量電路產(chǎn)生的高頻脈沖計(jì)數(shù),,MCU讀取CPLD的計(jì)數(shù)值,并根據(jù)式(2)解算出負(fù)荷功率值,。采集端在與服務(wù)器進(jìn)行通信的過(guò)程中,,一方面向服務(wù)器傳遞實(shí)時(shí)功率信息,另一方面接收服務(wù)器下達(dá)的開關(guān)指令,,從而控制繼電器通斷,。

    云服務(wù)器端程序流程如圖11所示,,首先通過(guò)TCP/IP協(xié)議接收負(fù)荷的編號(hào)與功率信息,再利用PCA對(duì)1 min內(nèi)的功率值序列進(jìn)行特征提取與降維,,接著通過(guò)kNN分類實(shí)現(xiàn)負(fù)荷識(shí)別,。云端既可以轉(zhuǎn)發(fā)客戶端提出的關(guān)斷請(qǐng)求,也可以根據(jù)異常的功率值判斷電路故障,,從而自主地下達(dá)關(guān)斷指令,。 

ck4-t10-11.gif

5 實(shí)驗(yàn)

    將本系統(tǒng)安裝于室內(nèi)墻壁插座內(nèi),選擇手機(jī)充電器,、平板充電器,、臺(tái)燈、筆記本電腦,、電風(fēng)扇,、洗衣機(jī)、電吹風(fēng)機(jī)和電水壺共8類常用家用電器作為實(shí)驗(yàn)負(fù)荷,。配置硬件Wi-Fi模塊接入家庭路由器,,建立其與云服務(wù)器的通信。

    (1)分別對(duì)處于正常運(yùn)行狀態(tài)的8類實(shí)驗(yàn)負(fù)荷采集60 s的有功功率數(shù)據(jù),,圖12所示為各負(fù)荷的“功率-時(shí)間”變化圖,,可以看出8類負(fù)荷有著不同的波形特征。

ck4-t12.gif

    (2)為了定量分析8類實(shí)驗(yàn)負(fù)荷的波形特征,,對(duì)步驟(1)所采集的有功功率值序列求取3.1節(jié)所述的10種基本統(tǒng)計(jì)量,。

    (3)為了消除10種基本統(tǒng)計(jì)量的相關(guān)性,降低特征維度,,利用式(3)~式(5)進(jìn)行主成分變換,。結(jié)果如表1所示,取前3個(gè)主成分,,可以獲得99.83%的累積貢獻(xiàn)率,,說(shuō)明前3個(gè)主成分包含了原指標(biāo)的99.83%的信息,且相互獨(dú)立,。

ck4-b1.gif

    (4)利用3.2節(jié)所述的分類方法,,以步驟(3)所求得的主成分作為歐式維度,計(jì)算待識(shí)別樣本到其他訓(xùn)練樣本之間的歐式距離,,并利用kNN算法進(jìn)行歸類,。識(shí)別準(zhǔn)確率如表2所示,可以看出,,平板充電器,、臺(tái)燈和筆記本3類負(fù)荷均有未識(shí)別出的次數(shù),是因?yàn)檫@三者的功率平均數(shù)較為相似,,且平板充電器和筆記本充電器的充電電流與環(huán)境溫度及是否正在使用等因素有關(guān),。整體看來(lái),,平均識(shí)別準(zhǔn)確率達(dá)到98.75%。

ck4-b2.gif

6 結(jié)束語(yǔ)

    NILMS通過(guò)在電力入口處布設(shè)硬件節(jié)點(diǎn),,實(shí)現(xiàn)了“一個(gè)入口,,多種負(fù)荷”的監(jiān)測(cè)系統(tǒng)。這對(duì)于電力系統(tǒng)而言,,不僅降低了安裝維護(hù)的費(fèi)用,,更簡(jiǎn)化了監(jiān)控系統(tǒng),便于管理,,但與之同來(lái)的是負(fù)荷種類識(shí)別的高效性與準(zhǔn)確性問(wèn)題,。本文主要完成了兩項(xiàng)工作:(1)設(shè)計(jì)并研制出非侵入式負(fù)荷功率采集裝置,全天候地向云服務(wù)器上傳負(fù)荷功率信息,,并對(duì)強(qiáng)電區(qū)域和弱電區(qū)域進(jìn)行電氣隔離,,增加硬件節(jié)點(diǎn)的可靠性;(2)借助云服務(wù)器平臺(tái)實(shí)現(xiàn)負(fù)荷種類識(shí)別功能,,預(yù)先通過(guò)PCA對(duì)常用負(fù)荷的功率值序列進(jìn)行訓(xùn)練,,達(dá)到特征提取與降維的目的,再利用kNN對(duì)待識(shí)別樣本進(jìn)行歸類,,經(jīng)多次實(shí)驗(yàn),,顯示負(fù)荷識(shí)別率可以達(dá)到98%以上??傮w而言,,本系統(tǒng)具有非侵入式測(cè)量和網(wǎng)絡(luò)遠(yuǎn)程控制的特點(diǎn),又借助云服務(wù)器識(shí)別負(fù)荷,、分析運(yùn)行狀態(tài),,從而指導(dǎo)用戶合理規(guī)劃用電,實(shí)現(xiàn)節(jié)能減排,,并及時(shí)排除故障,,是智能電網(wǎng)發(fā)展的必然趨勢(shì),。

參考文獻(xiàn)

[1] 劉然.結(jié)合改進(jìn)最近鄰法與支持向量機(jī)的住宅用電負(fù)荷識(shí)別研究[D].重慶:重慶大學(xué),,2014.

[2] 牛盧璐,賈宏杰.一種適用于非侵入式負(fù)荷監(jiān)測(cè)的暫態(tài)事件檢測(cè)算法[J].電力系統(tǒng)自動(dòng)化,,2011,,35(9):30-35.

[3] WELIKALA S,DINESH C,,GODALIYADDA R I,,et al.Robust non-intrusive load monitoring(NILM) with unknown loads[C].IEEE International Conference on Information and Automation for Sustainability.IEEE,2017:1-6.

[4] ZHOU C,,LIU S,,LIU P.Neural network pattern recognition based non-intrusive load monitoring for a residential energy management system[C].International Conference on Information Science and Control Engineering.IEEE,,2016:483-487.

[5] 李如意,王曉換,,胡美璇,,等.RPROP神經(jīng)網(wǎng)絡(luò)在非侵入式負(fù)荷分解中的應(yīng)用[J].電力系統(tǒng)保護(hù)與控制,2016,,44(7):55-61.

[6] 鄭宇.神經(jīng)網(wǎng)絡(luò)在學(xué)生公寓用電負(fù)荷識(shí)別中的應(yīng)用研究[D].重慶:重慶大學(xué),,2007.

[7] Jiang Lei,Luo Suhuai,,Li Jiaming.An approach of household power appliance monitoring based on machine learning[C].International Conference on Intelligent Computation Technology & Automation.IEEE,,2012:577-580.

[8] 高云,楊洪耕.基于暫態(tài)特征貼近度匹配的家用負(fù)荷識(shí)別[J].電力系統(tǒng)自動(dòng)化,,2013,,37(9):54-59.

[9] 李蓉,葉世偉,,史忠植.SVM-KNN分類器——一種提高SVM分類精度的新方法[J].電子學(xué)報(bào),,2002,30(5):745-748.



作者信息:

陳彭鑫1,,仲思東1,,2

(1.武漢大學(xué) 電子信息學(xué)院,湖北 武漢430079,;2.武漢大學(xué) 測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室,,湖北 武漢430079)

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載,。