基于kGNN结合核Fisher判别的非侵入式负荷监测方法-电力系统自动化.PDF

第 卷 第 期 年 月 日 , ４２ 　 ６ 　２０１８ ３ ２５ Vol．４２No．６Mar．２５２０１８ : / DOI１０．７５００AEPS２０１７０６２７０１１ 基于kＧNN结合核Fisher判别的非侵入式负荷监测方法 , , , 宋旭帆 周 明 涂 京 李庚银 　 　 ( ( ), ) 新能源电力系统国家重点实验室 华北电力大学 北京市 １０２２０６ : , 摘要 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 样本筛选算法以精简负荷特征库 利用 近邻 算法 AdaBoost k kＧNN , 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kＧNN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 : ; ; ; ; 关键词 样本筛选 非侵入式负荷监测 近邻 核 判别分析 AdaBoost k Fisher , . [ ] ０　引言 别 且要求很高的采样频率 文献 １１采用模糊算 , 法进行聚类 但对于负荷特征接近的电器无法准确 智能电网技术的发展使得电力用户能与电网友 . [ ] 识别 文献 １２提取负荷开关时高频电磁干扰信息 [] １ , . , 好互动 实现智能用电 要实现智能用电 用户需 , 作为负荷特征 以主成分零度空间分析方法进行负