摘要:針對傳統(tǒng)非侵入式負(fù)荷識(shí)別算法在電器負(fù)荷接近或較小時(shí)并不能得到較理想識(shí)別效果的問題,提出了一種基于諧波特征和遺傳算法的非侵入式電器負(fù)荷識(shí)別算法.通過提取電流數(shù)據(jù)的非活性電流及其諧波特征,來增大不同用電器間的差異性,從而提高識(shí)別精度;并使用遺傳算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)的權(quán)重、閾值和隱含層神經(jīng)元個(gè)數(shù)來提高分類識(shí)別精度,達(dá)到細(xì)粒度用電分析的目的;使用包含5種家用電器的用電場景測試所提出算法的識(shí)別精度,并將其與反向傳播神經(jīng)網(wǎng)絡(luò)算法相比較.仿真測試結(jié)果表明,提出的特征和算法具有更高的負(fù)荷識(shí)別準(zhǔn)確率及更快的識(shí)別速度.
注:因版權(quán)方要求,不能公開全文,如需全文,請咨詢雜志社。
沈陽工業(yè)大學(xué)學(xué)報(bào)雜志, 雙月刊,本刊重視學(xué)術(shù)導(dǎo)向,堅(jiān)持科學(xué)性、學(xué)術(shù)性、先進(jìn)性、創(chuàng)新性,刊載內(nèi)容涉及的欄目:電氣工程、材料科學(xué)與工程、機(jī)械工程、信息科學(xué)與工程、建筑工程等。于1964年經(jīng)新聞總署批準(zhǔn)的正規(guī)刊物。