科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统的非侵入式负荷辨识算法在低频采样数据上辨识准确率较低的问题，提出了一种基于格拉姆角场(GAF)和特征融合的非侵入式负荷辨识算法。通过GAF编码将功率信息转换成彩色图像特征，从而提升辨识度。将图像和功率数据分别输入到卷积神经网络和反向传播神经网络中提取特征，实现特征融合，并作为新的特征参与辨识。用公开数据集对所提辨识方法进行多方面的验证，并与其他分类算法进行对比。结果表明，图像特征所携带的信息量更多，加强了特征的代表性，特征融合能够解决图像编码过程中的信息丢失问题，从而提高了模型的负荷辨识能力。
