基于优化极限学习机的非侵入式负荷识别

作者：尤艺; 梁喆^*

来源：重庆工商大学学报(自然科学版), 2022, 39(02): 24-29.

DOI：10.16055/j.issn.1672-058X.2022.0002.004

• 非侵入式
• 负荷识别
• 极限学习机
• 遗传算法

在极限学习机的非侵入式负荷识别算法中，由于输入权值和隐含层阈值的随机产生容易导致误判，鉴于此，提出了一种改进的遗传算法优化极限学习机方法。对遗传算法中选择算子进行改进，改进方法为求解出个体的适应度值，并按从小到大的顺序完成排序，将排完序的种群等分成4份，按照比例从4份中择优组成新种群，对新种群中剩余个体再从适应度较大的部分中择优；结合爬山法获得优化后的权值和阈值，构建优化极限学习机网络对负荷进行识别；利用MATLAB进行仿真验证，验证结果表明：优化后算法与未优化算法相比，负荷识别的准确率提高了约7.41%,体现了更优的分类性能，证明了该算法对负荷识别的有效性。

• 单位
  安徽理工大学