《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 其他 > 設(shè)計(jì)應(yīng)用 > 基于差量特征與AdaBoost的家用負(fù)荷識(shí)別方法研究
基于差量特征與AdaBoost的家用負(fù)荷識(shí)別方法研究
信息技術(shù)與網(wǎng)絡(luò)安全 3期
王巖俊1,，蔡高琰2，駱德漢1,，梁炳基2
(1.廣東工業(yè)大學(xué) 信息工程學(xué)院,，廣東 廣州510006,；2.廣東浩迪創(chuàng)新科技有限公司，廣東 佛山528200)
摘要： 針對(duì)家用負(fù)荷提出了一種使用智能電表進(jìn)行數(shù)據(jù)采集的非侵入式負(fù)荷在線(xiàn)識(shí)別方法,。該方法使用智能電表計(jì)算出負(fù)荷的差量特征向量預(yù)先建立特征庫(kù),，訓(xùn)練以決策樹(shù)作為弱分類(lèi)器的AdaBoost分類(lèi)器模型，利用負(fù)荷投切時(shí)電表的告警信息中包含的特征向量進(jìn)行分類(lèi)以實(shí)現(xiàn)負(fù)荷在線(xiàn)識(shí)別,，實(shí)時(shí)性好且提高了單一決策樹(shù)模型的識(shí)別效果,。實(shí)驗(yàn)結(jié)果證明了該方法的可行性，實(shí)現(xiàn)了負(fù)荷使用信息的獲取,，具有較好的實(shí)際應(yīng)用價(jià)值,。
中圖分類(lèi)號(hào)： TP391.4
文獻(xiàn)標(biāo)識(shí)碼： A
DOI： 10.19358/j.issn.2096-5133.2022.03.013
引用格式： 王巖俊，蔡高琰,，駱德漢,，等. 基于差量特征與AdaBoost的家用負(fù)荷識(shí)別方法研究[J].信息技術(shù)與網(wǎng)絡(luò)安全，2022,，41(3)：78-82.
Research on household load identification method based on difference features and AdaBoost
Wang Yanjun1,，Cai Gaoyan2，Luo Dehan1,，Liang Bingji2
(1.School of Information Engineering,，Guangdong University of Technology,，Guangzhou 510006，China,； 2.Hodi Technology Co.,，Ltd.，F(xiàn)oshan 528200,，China)
Abstract： Aiming at household load, a non-intrusive online load identification method using smart meters for data collection is proposed. This method uses the smart meter to calculate the difference feature vector of the load to build a feature library in advance, trains the AdaBoost classifier model which takes the decision tree as the weak classifier, and uses the feature vector contained in the alarm information of the smart meter when the load is switched to classify the load,，and to achieve load online recognition. This method has good real-time performance and improves the recognition effect of a single decision tree model. The experimental results show that the proposed method is feasible，and realizes the acquisition of load usage information, has good practical application value.
Key words : non-intrusive load identification,；smart meter,；difference feature；adaptive boosting(AdaBoost)

0 引言

隨著智能電網(wǎng)的進(jìn)一步發(fā)展,，如何獲知電力用戶(hù)的具體用電行為,，實(shí)現(xiàn)用電信息的大數(shù)據(jù)挖掘及為電能需求側(cè)管理提供技術(shù)支撐成為重要的研究方向。即配電網(wǎng)通過(guò)獲知電能用戶(hù)的日常用電行為和電能消耗情況,，使其能精細(xì)化調(diào)配電能及合理引導(dǎo)用戶(hù)參與到節(jié)能減排中來(lái),，從而實(shí)現(xiàn)高效合理的需求側(cè)管理[1]及電力信息大數(shù)據(jù)應(yīng)用[2]，對(duì)建設(shè)綠色,、生態(tài),、共享的經(jīng)濟(jì)具有重大意義。

實(shí)現(xiàn)獲取用戶(hù)具體用電行為的技術(shù)稱(chēng)為負(fù)荷辨識(shí)技術(shù),，也稱(chēng)為負(fù)荷識(shí)別,，分為侵入式和非侵入式兩種[3]。侵入式負(fù)荷識(shí)別技術(shù)需要在用戶(hù)的房屋內(nèi)部對(duì)每一個(gè)感興趣的負(fù)荷安裝專(zhuān)門(mén)的監(jiān)測(cè)設(shè)備,，優(yōu)點(diǎn)是易于實(shí)現(xiàn),，缺點(diǎn)是隨著要監(jiān)測(cè)的負(fù)荷類(lèi)別及數(shù)量增多，所需的監(jiān)測(cè)設(shè)備安裝維護(hù)成本也會(huì)急劇上升,，且會(huì)對(duì)用戶(hù)的日常使用造成干擾,；與之相對(duì)，非侵入式負(fù)荷識(shí)別技術(shù)通過(guò)采集電力線(xiàn)入戶(hù)端的電參數(shù)并進(jìn)行特征提取,，使用聚類(lèi)分析[4-7],、人工神經(jīng)網(wǎng)絡(luò)[8-10]、K近鄰[11],、核支持向量機(jī)[12-13]或它們的結(jié)合等算法進(jìn)行負(fù)荷識(shí)別,，無(wú)需安裝專(zhuān)門(mén)的監(jiān)測(cè)設(shè)備。




本文詳細(xì)內(nèi)容請(qǐng)下載：http://forexkbc.com/resource/share/2000004030






作者信息：

王巖俊1,，蔡高琰2,，駱德漢1，梁炳基2

(1.廣東工業(yè)大學(xué) 信息工程學(xué)院，廣東 廣州510006,；2.廣東浩迪創(chuàng)新科技有限公司,，廣東 佛山528200)




微信圖片_20210517164139.jpg

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