基于UMAP流形特征提取和KELM的非侵入式负荷监测方法研究
文档名：基于UMAP流形特征提取和KELM的非侵入式负荷监测方法研究
摘要：非侵入式负荷监测是"坚强智能电网"用户侧智能数据挖掘的关键技术.针对现有辨识算法对叠加态负荷辨识准确率低的问题,提出了一种基于均匀流形逼近与投影(UMAP)和KELM结合的非侵入式负荷辨识模型.首先利用UMAP对原始负荷特征作嵌入,提取负荷的类内流形结构,并结合随机梯度下降法优化负荷的全局结构,在保留负荷原始相邻位置信息的前提下有效增大负荷特征的区分度;然后,采用径向基函数搭建核映射网络,利用ACO算法对映射网络的径向范围和模型的惩罚系数寻优,建立最优辨识模型.与多种基于机器学习的辨识方法相比,所提模型对叠加态负荷的辨识准确率提升显著,在TIPDM和BLUED数据集上的辨识准确率分别达到了98.48%和99.44%.
Abstract：Non-intrusiveloadmonitoringisakeytechnologyforsmartdataminingontheusersideofthe"strongsmartgrid".Toaddresstheproblemoflowaccuracyofexistingidentificationalgorithmsforsuperimposedstateload,anon-intrusiveloadidentificationmodelbasedonthecombinationofuniformmanifoldapproximationandprojection(UMAP)andKELMisproposed.Firstly,UMAPisusedtoembedtheoriginalloadfeatures,extracttheintra-classmanifoldstructureoftheload,andcombinewithstochasticgradientdescenttooptimizetheglobalstructureoftheload,whicheffectivelyincreasesthedistinguishabilityoftheloadfeatureswhileretainingtheoriginaladjacentpositioninformationoftheload.Thenthekernelmappingnetworkisconstructedusingradialbasisfunctions,andtheACOalgorithmisusedtooptimizetheradialrangeofthemappingnetworkandthepenaltycoefficientsofthemodeltoestablishtheoptimalidentificationmodel.Comparedwithothermachinelearning-basedidentificationmethods,theproposedmodelachievessignificantimprovementintheidentificationaccuracyofsuperimposedstateload,reaching98.48%and99.44%ontheTIPDMandBLUEDdatasets,respectively.
作者：张瀚文 李鹏 郎恂 沈鑫 梁俊宇 苗爱敏 Author：ZHANGHanwen LIPeng LANGXun SHENXin LIANGJunyu MIAOAimin
作者单位：云南大学信息学院,云南昆明650504云南电网有限责任公司,云南昆明650217仲恺农业工程学院自动化学院,广东广州510225
刊名：电子器件 ISTIC
Journal：ChineseJournalofElectronDevices
年，卷(期)：2024, 47(2)
分类号：TM721
关键词：非侵入式负荷监测叠加态负荷均匀流形逼近与投影蚁群算法核极限学习机
Keywords：non-intrusiveloadmonitoringsuperimposedstateloadUMAPACOKELM
机标分类号：TP391.41TM714TN911
在线出版日期：2024年6月5日
基金项目：国家自然科学基金，云南省中青年学术，技术带头人后备人才培养计划项目，工业控制技术国家重点实验室开放课题项目，云南大学专业学位研究生实践创新项目基于UMAP流形特征提取和KELM的非侵入式负荷监测方法研究[
期刊论文]电子器件--2024, 47(2)张瀚文李鹏郎恂沈鑫梁俊宇苗爱敏非侵入式负荷监测是"坚强智能电网"用户侧智能数据挖掘的关键技术.针对现有辨识算法对叠加态负荷辨识准确率低的问题,提出了一种基于均匀流形逼近与投影(UMAP)和KELM结合的非侵入式负荷辨识模型.首先利用UMAP对原始负荷...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UMAP流形特征提取和KELM的非侵入式负荷监测方法研究Research on Non-Intrusive Load Monitoring Method Based on Manifold Feature Extraction of UMAP and KELM
基于UMAP流形特征提取和KELM的非侵入式负荷监测方法研究.pdf
页:
[1]