基于AdaBoost特征提取和RNN模型的非侵入式负荷辨识方法
基本信息
| 申请号 | CN202011460508.1 | 申请日 | - |
| 公开（公告）号 | CN112580471A | 公开（公告）日 | 2021-03-30 |
| 申请公布号 | CN112580471A | 申请公布日 | 2021-03-30 |
| 分类号 | G06N3/08(2006.01)I;G06K9/00(2006.01)I;G06K9/62(2006.01)I;G06N3/04(2006.01)I | 分类 | 计算；推算；计数; |
| 发明人 | 李超;李林灿;杨秦敏;陈小飞;张志祥;孙通;李佩;吕华;邵懂;徐石;江岚;相涛 | 申请（专利权）人 | 杭州电力设备制造有限公司临安恒信成套电气制造分公司 |
| 代理机构 | 杭州求是专利事务所有限公司 | 代理人 | 刘静 |
| 地址 | 310058浙江省杭州市西湖区余杭塘路866号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于AdaBoost特征提取和深度学习RNN模型的非侵入式负荷识别方法，采用基于自适应变点寻优算法的负荷检测机制对负荷事件进行检测。当检测到负荷事件时，提取电器的负荷特征并存入MySQL数据库中，建立负荷特征库。设计适用于非侵入式负荷识别的RNN网络，通过RNN网络得到负荷特征识别结果，计算针对单个电器的识别准确率和N个电器组合时的识别准确率。最后改变RNN模型的参数，比较不同设置下的负荷辨识准确率，通过调整网络参数实现最佳网络性能。本发明解决了在非侵入式负荷监测中家用电器识别准确率不高，多种电器设备组合和小功率电器难以正确识别的问题。 |
