發(fā)布時(shí)間：2023-02-19 10:07

　　非侵入式負(fù)荷識(shí)別是實(shí)現(xiàn)用能管理的重要監(jiān)測(cè)手段,而隨機(jī)森林因其良好的泛化能力和魯棒性應(yīng)用于負(fù)荷識(shí)別領(lǐng)域。針對(duì)傳統(tǒng)隨機(jī)森林算法忽略決策樹分類能力的差異、投票不公平的問題,提出了一種基于層次聚類的加權(quán)隨機(jī)森林算法。首先,提取各類負(fù)荷開關(guān)狀態(tài)下負(fù)荷特征量,建立特征數(shù)據(jù)庫用于訓(xùn)練原始隨機(jī)森林模型。然后,利用有功功率差檢測(cè)總線信號(hào)中的開關(guān)事件,并提取負(fù)荷特征量作為驗(yàn)證集和測(cè)試集;驗(yàn)證集采用層次聚類選擇法獲得每個(gè)聚類中分類精度最高的決策樹,測(cè)試集采用加權(quán)投票策略實(shí)現(xiàn)負(fù)荷識(shí)別。通過實(shí)驗(yàn)驗(yàn)證,說明相比于傳統(tǒng)的機(jī)器學(xué)習(xí)算法,該算法可以實(shí)現(xiàn)更高的識(shí)別精度,準(zhǔn)確率可達(dá)96.2%。

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 非侵入式負(fù)荷識(shí)別
    1.1 事件檢測(cè)
    1.2 特征提取
2 聚類加權(quán)隨機(jī)森林算法
    2.1 原始隨機(jī)森林的構(gòu)建
    2.2 基于層次聚類的加權(quán)隨機(jī)森林
        2.2.1 層次聚類選擇
        2.2.2 加權(quán)隨機(jī)森林
3 案例分析
    3.1 模型的構(gòu)建
    3.2 層次聚類結(jié)果分析
    3.3 負(fù)荷識(shí)別結(jié)果分析
4 結(jié)語



本文編號(hào)：3746023