基于改进遗传算法的非侵入式电器负荷识别
徐琳
丁理杰
林瑞星
1.国网四川省电力公司 电力科学研究院,成都,6100412.国网四川省电力公司 电力科学研究院,成都,6100413.国网四川省电力公司 电力科学研究院,成都,610041
摘要：针对传统非侵入式负荷识别算法在电器负荷接近或较小时并不能得到较理想识别效果的问题,提出了一种基于谐波特征和遗传算法的非侵入式电器负荷识别算法.通过提取电流数据的非活性电流及其谐波特征,来增大不同用电器间的差异性,从而提高识别精度;并使用遗传算法优化的神经网络的权重、阈值和隐含层神经元个数来提高分类识别精度,达到细粒度用电分析的目的;使用包含5种家用电器的用电场景测试所提出算法的识别精度,并将其与反向传播神经网络算法相比较.仿真测试结果表明,提出的特征和算法具有更高的负荷识别准确率及更快的识别速度.
关键词：遗传算法神经网络非侵入负荷识别非活性电流分类细粒度
分类号：TM76(输配电工程、电力网及电力系统)
资助基金：四川省电力公司科技项目(52199716001G)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1-5 )
英文信息