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：LIUYanWANGYujunYANGXiaokunLIWenwenGUOLei
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-intrusiveloadidentificationKernelprincipalcomponentanalysisconvolutionXGBoost
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
页:
[1]