电力科学与技术学报2023，Vol.38Issue(4) ：230-239,264.DOI:10.19781/j.issn.1673-9140.2023.04.025

基于Fisher-SVM特征选择的负荷辨识研究

Research on Fisher-SVM feature selection based load identification

栾开宁 杨世海 黄艺璇 方凯杰 程含渺 黄时
电力科学与技术学报2023，Vol.38Issue(4) ：230-239,264.DOI:10.19781/j.issn.1673-9140.2023.04.025
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于Fisher-SVM特征选择的负荷辨识研究

Research on Fisher-SVM feature selection based load identification

栾开宁 1杨世海 1黄艺璇 1方凯杰 1程含渺 1黄时2
扫码查看

作者信息

  • 1. 国网江苏省电力有限公司,江苏 南京 210028
  • 2. 江苏智臻能源科技有限公司,江苏 南京 211111
  • 折叠

摘要

针对当前非侵入式负荷辨识中不同设备特征选择上主观性、盲目性的问题,提出基于Fisher-SVM特征选择的非侵入式负荷辨识算法.首先,基于高频采样终端提取入户侧电流、电压原始数据,使用傅里叶变换对原始信号分解得有功、无功及谐波时间序列;其次,将负荷波形分为4个阶段并计算得到负荷波形暂稳态特征;然后,通过Fisher-SVM算法在不同分类器中对特征进行选择,得到最优分类特征子集,并利用Sigmoid函数对结果进行概率校准;最后,根据贝叶斯理论对各分类器进行融合从而实现对不同负荷的辨识.以3类台区831户实际用户进行算法测试.结果表明,该算法能够有效利用不同电器负荷印记的独特性,克服特征选择上的盲目性,提高负荷辨识能力.

关键词

非侵入式/负荷辨识/Fisher/支持向量机/特征提取

Key words

non-intrusive/load monitoring/Fisher/SVM/feature extraction

引用本文复制引用

基金项目

国家重点研发计划"科技助力经济"重点专项(2020)(SQ2020YF F0426410)

出版年

2023
电力科学与技术学报
长沙理工大学

电力科学与技术学报

CSTPCDCSCD北大核心
影响因子：0.85
ISSN：1673-9140
被引量1
参考文献量19
段落导航相关论文