基于DAG-SVMS的非侵入式負(fù)荷識(shí)別方法
所屬分類(lèi):技術(shù)論文
上傳者:aetmagazine
文檔大?。?span>639 K
標(biāo)簽: 非侵入式負(fù)荷識(shí)別 暫態(tài)事件 DAG-SVMS模型
所需積分:0分積分不夠怎么辦,?
文檔介紹:在供電入口處嵌入非侵入式負(fù)荷識(shí)別技術(shù),,有利于推動(dòng)建筑節(jié)能,、實(shí)現(xiàn)電網(wǎng)負(fù)荷預(yù)測(cè)、開(kāi)發(fā)智能樓宇,、完善智能電網(wǎng)體系建設(shè),。據(jù)此,提出一種基于有向無(wú)環(huán)圖支持向量機(jī)(Directed Acyclic Graph Support Vector Machines,,DAG-SVMS)的負(fù)荷辨識(shí)方法,。首先,對(duì)總線電流信號(hào)進(jìn)行事件檢測(cè),,檢測(cè)到暫態(tài)事件后,分離目標(biāo)負(fù)荷暫態(tài)電流波形,,提取特征,,然后,將特征輸入預(yù)先訓(xùn)練好的DAG-SVMS模型進(jìn)行分類(lèi)識(shí)別,。為提升分類(lèi)器性能,,使用粒子群優(yōu)化PSO(Particle Swarm Optimization)算法優(yōu)化DAG-SVMS分類(lèi)器的參數(shù)。為減小累積誤差,,提出Gini指數(shù)優(yōu)化DAG-SVMS節(jié)點(diǎn)順序的策略,。實(shí)驗(yàn)結(jié)果表明,文中方法識(shí)別準(zhǔn)確率高,識(shí)別速度快,,具有可行性,。
現(xiàn)在下載
VIP會(huì)員,AET專(zhuān)家下載不扣分,;重復(fù)下載不扣分,,本人上傳資源不扣分。