摘要:針對傳統非侵入式負荷識別算法在電器負荷接近或較小時并不能得到較理想識別效果的問題,提出了一種基于諧波特征和遺傳算法的非侵入式電器負荷識別算法.通過提取電流數據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,從而提高識別精度;并使用遺傳算法優化的神經網絡的權重、閾值和隱含層神經元個數來提高分類識別精度,達到細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別精度,并將其與反向傳播神經網絡算法相比較.仿真測試結果表明,提出的特征和算法具有更高的負荷識別準確率及更快的識別速度.
注:因版權方要求,不能公開全文,如需全文,請咨詢雜志社。
沈陽工業大學學報雜志, 雙月刊,本刊重視學術導向,堅持科學性、學術性、先進性、創新性,刊載內容涉及的欄目:電氣工程、材料科學與工程、機械工程、信息科學與工程、建筑工程等。于1964年經新聞總署批準的正規刊物。