10.16628/j.cnki.2095-8188.2019.09.005
基于粒子群优化加权随机森林的非侵入式负荷辨识
为了实时监测和识别智能电网用户端智能设备的类型和工作状态,提出了一种基于粒子群优化加权随机森林(PSO-WRF)的非侵入式负荷辨识方法.该方法以事件检测和多特征分类为基础,首先提出了一种基于功率差识别功率波动信号开关状态的方法,然后提取开关事件的多特征参数对PSO-WRF进行训练,最后利用粒子群算法优化模型参数,并采用预测试样本的分类正确率作为每棵决策树的权值完成负荷辨识.试验表明该算法能有效识别设备的类型和开关状态,并提高辨识准确率.
非侵入式负荷辨识、粒子群算法、随机森林、加权投票
TM714(输配电工程、电力网及电力系统)
国家青年科学基金项目61603212
2019-08-13(万方平台首次上网日期,不代表论文的发表时间)
共6页
22-26,44