典型文献
基于事件特征聚类的非侵入式小餐饮负荷辨识算法研究
文献摘要：
随着社会用电量的不断增长,国家电网公司公开报道数据显示,全国多数省份一般工商业占总用电量比例集中在20％左右,且增速较快,由此对电力公司产生了巨大的供需缺口压力,也对政府部门对于工商业用户的安全和环保监管提出了新的挑战.当前一般工商业负荷辨识研究刚起步,总体研究水平还停留在理论研究阶段,亟需形成技术突破.鉴于此,提出了一种事件特征聚类的非侵入式小餐饮负荷辨识算法.首先基于高频采样数据,使用贝叶斯信息准则算法进行事件特征提取,其次针对小餐饮数据进行数据集分类,最后使用支持向量机(SVM)聚类算法对事件特征进行训练和调优,并在测试集中进行负荷识别.以南京某火锅店为例,验证了算法的有效性.
文献关键词：
负荷辨识;高频采样;贝叶斯信息准则;支持向量机;聚类
中图分类号：
作者姓名：
马云龙;裴子霞;李新家;严永辉;王黎明
作者机构：
国网江苏省电力有限公司,江苏 南京 210024;江苏方天电力技术有限公司,江苏 南京 210000
文献出处：
引用格式：
[1]马云龙;裴子霞;李新家;严永辉;王黎明-.基于事件特征聚类的非侵入式小餐饮负荷辨识算法研究)[J].电工技术,2022(22):85-88
A类：
B类：
事件特征,特征聚类,非侵入式,小餐饮,负荷辨识,算法研究,社会用电量,国家电网,电网公司,道数,一般工商业,电力公司,供需缺口,工商业用户,环保监管,研究阶段,技术突破,高频采样,采样数据,贝叶斯信息准则,行事,聚类算法,调优,测试集,负荷识别,火锅店
AB值：
0.314731
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。
