典型文献
基于香农熵加权投票算法的集成式非侵入式负荷识别方法
文献摘要：
非侵入式负荷监测(non-intrusive load monitoring,NILM)技术绿色节能,已成为电力系统负荷监测的发展趋势.集成学习方法可有效提高负荷识别性能,但其基学习器的优化选择和权重设置问题亟待解决.文中以一种典型智能电表对8种小型用电设备及其混合负荷的高频实测实验为基础,基于递归特征消除(recursive feature elimination,RFE)法选择最优特征组合,提出结合准确率和多样性权衡的基学习器组合优化方法,并引入香农熵设置投票权重,形成一种新颖的基于香农熵加权投票的集成式NILM识别方法.通过在自测数据集和公开的全球家庭和行业瞬态能量数据集(worldwide household and industry transient energy dataset,WHITED)验证,与常用集成方法比较,该方法识别准确率高、运行时间短且稳定性高.
文献关键词：
非侵入式负荷监测;香农熵;加权投票;集成学习方法;递归特征消除
中图分类号：
作者姓名：
魏广芬;赵航;胡春华;刘骞
作者机构：
山东工商学院信息与电子工程学院,山东省烟台市 264005;山东烟台东方威思顿电气有限公司,山东省烟台市 264003
文献出处：
引用格式：
[1]魏广芬;赵航;胡春华;刘骞-.基于香农熵加权投票算法的集成式非侵入式负荷识别方法)[J].中国电机工程学报,2022(24):8876-8887,中插7
A类：
WHITED
B类：
香农熵,加权投票,投票算法,集成式,非侵入式负荷识别,非侵入式负荷监测,intrusive,load,monitoring,NILM,绿色节能,电力系统,系统负荷,集成学习方法,高负荷,识别性,基学习器,优化选择,重设,设置问题,智能电表,用电设备,递归特征消除,recursive,feature,elimination,RFE,优特,特征组合,组合优化,投票权,自测,瞬态,worldwide,household,industry,transient,energy,dataset,集成方法,方法比较,方法识别,识别准确率,运行时间
AB值：
0.441689
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。
