%0 Journal Article
%T 基于k-NN结合核Fisher判别的非侵入式负荷监测方法
%A 周明
%A 宋旭帆
%A 李庚银
%A 涂京
%J 电力系统自动化
%D 2018
%X 非侵入式负荷监测是目前智能用电领域一个重要的研究方向，而负荷识别是非侵入式负荷监测的核心内容。以负荷的奇次谐波电流幅值作为特征建立负荷特征库，通过分析负荷样本在特征空间的分布，设计了一种AdaBoost样本筛选算法以精简负荷特征库。利用k近邻(k-NN)算法的简捷性和核Fisher判别算法的非线性分类能力，通过误判风险控制将k-NN与核Fisher判别相结合用于家庭负荷识别，兼顾识别精度和计算复杂度，以提高对负荷特征相近电器的识别能力及整体识别速度。经实测数据检测，结果表明所提方法能够快速准确地实现居民负荷识别
%K AdaBoost
%K 样本筛选
%K 非侵入式负荷监测
%K k近邻
%K 核Fisher判别分析
%K AdaBoost
%K sample selection
%K non-intrusive load monitoring
%K k-nearest neighbor
%K kernel Fisher discriminant analysis
%U http://www.aeps-info.com/aeps/article/abstract/20170627011?st=article_issue