基于單分類結(jié)合模糊寬度學習的負荷辨識方法
所屬分類：技術論文
上傳者：aetmagazine
文檔大?。?span>766 K
標簽： 非侵入式負荷辨識 電流穩(wěn)態(tài)特征 模糊寬度學習
所需積分：0分積分不夠怎么辦？
文檔介紹：非侵入式負荷監(jiān)測是智能用電的關鍵技術，有助于加強負荷側(cè)管理，提高用電效率。隨著電力負荷類型和數(shù)量的迅速增加，當模型中接入訓練樣本之外的未知電器時會導致模型誤判，降低負荷識別的準確性。為了提高負荷識別模型的穩(wěn)定性以及識別精度，提出一種單分類結(jié)合模糊寬度學習的電力負荷識別方法。首先，構(gòu)建負荷特征庫實現(xiàn)多負荷識別；然后，通過單分類K近鄰方法進行樣本篩選，排除未知電器的干擾；最后，提出一種基于模糊寬度學習系統(tǒng)的負荷識別方法解決識別模型復雜度高、識別速率慢的問題。實驗結(jié)果表明，所提出的算法能夠快速有效地識別電力負荷。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。