| 摘要: |
| 针对目前非侵入式负荷监测方法对电气量特征相近的电器识别准确率不高的问题,本文提出了一种基于主成分分析法和麻雀搜索算法优化极限学习机(Extreme Learning Machine,ELM)的负荷识别方法。该方法在传统的电气量特征基础上,引入了一种融合电器投切时间、电器运行时长、电器运行周期等非电气量作为新特征,利用主成分分析法对多维特征进行降维得到综合变量,然后使用麻雀搜索算法对极限学习机的权值和偏置进行优化,建立负荷识别模型。最后采用AMPds数据集对算法进行测试,通过对比分析验证了该方法具有良好的辨识效果。 |
| 关键词: 非侵入式负荷监测 麻雀搜索算法 极限学习机 主成分分析法 |
| DOI：10.3969/j.issn.1005-9490.2023.05.030 |
|
| 基金项目:贵州省科学技术基金(黔科合基础[2019]1100) |
|
|
|
| () |
| Abstract: |
|
| Key words: |
