10.16055/j.issn.1672-058X.2022.0002.004
基于优化极限学习机的非侵入式负荷识别
在极限学习机的非侵入式负荷识别算法中,由于输入权值和隐含层阈值的随机产生容易导致误判,鉴于此,提出了一种改进的遗传算法优化极限学习机方法.对遗传算法中选择算子进行改进,改进方法为求解出个体的适应度值,并按从小到大的顺序完成排序,将排完序的种群等分成4份,按照比例从4份中择优组成新种群,对新种群中剩余个体再从适应度较大的部分中择优;结合爬山法获得优化后的权值和阈值,构建优化极限学习机网络对负荷进行识别;利用MATLAB进行仿真验证,验证结果表明:优化后算法与未优化算法相比,负荷识别的准确率提高了约7.41％,体现了更优的分类性能,证明了该算法对负荷识别的有效性.
非侵入式、负荷识别、极限学习机、遗传算法
39
TM64(发电、发电厂)
国家自然科学基金;安徽省科技重大专项;国网公司科技项目
2022-04-14（万方平台首次上网日期，不代表论文的发表时间）
共6页
24-29
