典型文献
基于随机森林算法和稳态波形的非介入式工业负荷辨识
文献摘要：
非介入式工业负荷的准确辨识可以获取工厂内各负荷的运行情况,有利于需求侧智能用电管理.工业负荷由于采集暂态数据建模困难、需要高精度测量设备等特点,造成辨识方法复杂难以实现.针对这种情况,提出一种利用随机森林算法和稳态波形的非介入式工业负荷辨识方法.首先,通过事件监测工业负荷功率状态变化并提取稳态波形,根据工业负荷性能不同而引起的电流波形的差异性,构建单个负荷电流稳态波形的特征数据.然后,利用稳态波形高维度数据作为样本数据,采用随机森林算法中bootstrap(自助)抽样方法和CART算法生成多组决策树.最后,通过投票法对多组决策树进投票辨识得到工业负荷类型.仿真采用某工厂的实际运行负荷数据作为样本数据,通过组合负荷方法仿真比较验证所提辨识算法的有效性和快速性.仿真结果表明:所提的辨识算法准确率达到99％以上、辨识时间3.36 s,远超过贝叶斯辨识算法的准确率63.8％、时间6.15 s,可以有效实现非介入式工业负荷辨识.
文献关键词：
非介入式负荷;随机森林;工业负荷;电流波形;负荷辨识
中图分类号：
作者姓名：
王健;易姝慧;刘俊杰;刘俭
作者机构：
中国电力科学研究院有限公司,湖北 武汉 430070
文献出处：
引用格式：
[1]王健;易姝慧;刘俊杰;刘俭-.基于随机森林算法和稳态波形的非介入式工业负荷辨识)[J].中国电力,2022(02):82-89
A类：
非介入式负荷
B类：
随机森林算法,工业负荷,负荷辨识,运行情况,需求侧,智能用电,用电管理,暂态,数据建模,高精度测量,测量设备,辨识方法,难以实现,事件监测,负荷功率,功率状态,状态变化,电流波形,负荷电流,特征数据,高维度数据,bootstrap,自助,抽样方法,CART,决策树,投票法,识得,负荷类型,实际运行,负荷数据,仿真比较,快速性,远超过
AB值：
0.300061
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
