基于DAG-SVMS的非侵入式负荷识别方法

作者：王毅; 徐元源; 李松浓

来源：电子技术应用, 2021, 47(10): 107-112.

DOI：10.16157/j.issn.0258-7998.211451

• 非侵入式负荷识别
• 暂态事件
• DAG-SVMS模型
• Gini指数
• PSO算法

在供电入口处嵌入非侵入式负荷识别技术,有利于推动建筑节能、实现电网负荷预测、开发智能楼宇、完善智能电网体系建设。据此,提出一种基于有向无环图支持向量机(Directed Acyclic Graph Support Vector Machines,DAG-SVMS)的负荷辨识方法。首先,对总线电流信号进行事件检测,检测到暂态事件后,分离目标负荷暂态电流波形,提取特征,然后,将特征输入预先训练好的DAG-SVMS模型进行分类识别。为提升分类器性能,使用粒子群优化PSO(Particle Swarm Optimization)算法优化DAG-SVMS分类器的参数。为减小累积误差,提出Gini指数优化DAG-SVMS节点顺序的策略。实验结果表明,文中方法识别准确率高,识别速度快,具有可行性。

• 单位
  国网重庆市电力公司电力科学研究院; 重庆邮电大学; 通信与信息工程学院