非侵入式負荷識別是實現(xiàn)用能管理的重要監(jiān)測手段,而隨機森林因其良好的泛化能力和魯棒性應用于負荷識別領(lǐng)域。針對傳統(tǒng)隨機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)隨機森林算法。首先,提取各類負荷開關(guān)狀態(tài)下負荷特征量,建立特征數(shù)據(jù)庫用于訓練原始隨機森林模型。然后,利用有功功率差檢測總線信號中的開關(guān)事件,并提取負荷特征量作為驗證集和測試集;驗證集采用層次聚類選擇法獲得每個聚類中分類精度最高的決策樹,測試集采用加權(quán)投票策略實現(xiàn)負荷識別。通過實驗驗證,說明相比于傳統(tǒng)的機器學習算法,該算法可以實現(xiàn)更高的識別精度,準確率可達96.2%。

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 非侵入式負荷識別
    1.1 事件檢測
    1.2 特征提取
2 聚類加權(quán)隨機森林算法
    2.1 原始隨機森林的構(gòu)建
    2.2 基于層次聚類的加權(quán)隨機森林
        2.2.1 層次聚類選擇
        2.2.2 加權(quán)隨機森林
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 負荷識別結(jié)果分析
4 結(jié)語



本文編號：3746023