基于KPCA和XGBoost算法的非侵入式负荷辨识方法

文档名：基于KPCA和XGBoost算法的非侵入式负荷辨识方法
摘要：为了实现非侵入式负荷监测的功能并提高负荷辨识准确率,文中提出一种基于机器学习的负荷辨识方法.在家用电器电流波形及各次谐波特征的数据中,采用核主成分分析方法(KernelPrincipalComponentsAnalysis,KPCA),解决非线性特征提取与降维的问题,最大限度抽取特征信息.再利用一维卷积核提取时序特征并压缩后输入到XGBoost模型,得到负荷辨识结果.通过在实验室中采集数据进行算法验证,文中提出算法在各类用电器的识别中均具有较高的准确率.

Abstract：Inordertorealizethefunctionofnon-intrusiveloadmonitoringandimprovetheaccuracyrateofloadiden-tification,aloadidentificationmethodbasedonmachinelearningisproposedinthispaper.Inthedataofcurrentwaveformandharmoniccharacteristicsofhouseholdappliances,Kernelprincipalcomponentsanalysis(KPCA)isusedtosolvetheproblemofnonlinearfeatureextractionanddimensionreduction,andextractfeatureinformationtothemaximumextent.OnedimensionalconvolutionkernelisusedtoextracttimeseriesfeaturesandcompressthemintotheXGBoostmodeltoobtainloadidentificationresults.Thealgorithmisverifiedbythedatacollectedinthela-boratory.Theproposedalgorithmhashighaccuracyrateintheidentificationofallkindsofelectricalappliances.

作者：刘岩  王玉君  杨晓坤  李文文  郭磊Author：LIUYan  WANGYujun  YANGXiaokun  LIWenwen  GUOLei
作者单位：国网冀北电力有限公司营销服务中心(计量中心),北京100045
刊名：电测与仪表 ISTICPKU
Journal：ElectricalMeasurement&Instrumentation
年，卷(期)：2024, 61(5)
分类号：TM714
关键词：非侵入式  负荷辨识  核主成分分析  卷积  XGBoost  
Keywords：non-intrusive  loadidentification  Kernelprincipalcomponentanalysis  convolution  XGBoost  
机标分类号：TM714TM93TP391
在线出版日期：2024年5月27日
基金项目：国家电网有限公司总部科技项目基于KPCA和XGBoost算法的非侵入式负荷辨识方法[
期刊论文]  电测与仪表--2024, 61(5)刘岩  王玉君  杨晓坤  李文文  郭磊为了实现非侵入式负荷监测的功能并提高负荷辨识准确率,文中提出一种基于机器学习的负荷辨识方法.在家用电器电流波形及各次谐波特征的数据中,采用核主成分分析方法(KernelPrincipalComponentsAnalysis,KPCA),解决非...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

        基于KPCA和XGBoost算法的非侵入式负荷辨识方法  Non-intrusive load identification method based on KPCA and XGBoost algorithm

基于KPCA和XGBoost算法的非侵入式负荷辨识方法.pdf

2024-12-14 12:44 上传 基于KPCA和XGBoost算法的非侵入式负荷辨识方法.pdf

文件大小:

5.4 MB

下载次数:

60

高速下载