| 基于DAG-SVMS的非侵入式負荷識別方法 | |
| 所屬分類：技術論文 | |
| 上傳者：aetmagazine | |
| 文檔大?。?span>639 K | |
| 標簽： 非侵入式負荷識別 暫態事件 DAG-SVMS模型 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：在供電入口處嵌入非侵入式負荷識別技術，有利于推動建筑節能、實現電網負荷預測、開發智能樓宇、完善智能電網體系建設。據此，提出一種基于有向無環圖支持向量機(Directed Acyclic Graph Support Vector Machines，DAG-SVMS)的負荷辨識方法。首先，對總線電流信號進行事件檢測，檢測到暫態事件后，分離目標負荷暫態電流波形，提取特征，然后，將特征輸入預先訓練好的DAG-SVMS模型進行分類識別。為提升分類器性能，使用粒子群優化PSO(Particle Swarm Optimization)算法優化DAG-SVMS分類器的參數。為減小累積誤差，提出Gini指數優化DAG-SVMS節點順序的策略。實驗結果表明，文中方法識別準確率高，識別速度快，具有可行性。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2