|
|
- 2018
基于k-NN结合核Fisher判别的非侵入式负荷监测方法Keywords: AdaBoost,样本筛选,非侵入式负荷监测,k近邻,核Fisher判别分析,AdaBoost, sample selection, non-intrusive load monitoring, k-nearest neighbor, kernel Fisher discriminant analysis Abstract: 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
|
