[发明专利]一种基于随机森林的非侵入式家用电器识别方法

权利要求书

1.一种基于随机森林的非侵入式家用电器识别方法，其特征在于，包括以下步骤：

1)选取典型家用电器的负荷特征建立负荷特征数据库；

2)将负荷特征数据库中存储的负荷特征作为原始训练集，通过Bagging抽样法从原始训练集中生成N个训练子集；

3)对每个训练子集进行递归分析，生成决策树；

4)将由N个训练子集生成的N个决策树组合成随机森林；

5)对生成的随机森林进行二次训练以优化不同决策树叶节点的权重；

6)采集家庭用户总线端的电流电压数据，并对电流电压数据进行小波去噪的预处理；

7)对经过预处理的电流电压数据利用二次检测算法检测到投切事件发生，确认暂稳态区域，并获取投切事件发生的起止时间，进而从总线信号中分离出发生投切的电器的电流电压数据；

(8)从分离的电流电压数据中获取负荷特征，并将获取的负荷特征作为输入参数输入到步骤5)优化的随机森林中，通过投票进行负荷辨识，完成家用电器识别。

2.根据权利要求1所述的一种基于随机森林的非侵入式家用电器识别方法，其特征在于，所述的步骤1)中负荷特征包括电器的稳态特征、暂态特征和运行模式特征三类，稳态特征包括电器的V-I特性及谐波特性；暂态特征包括发生电器投切时电流的畸变率；运行模式特征包括发生电器投切时产生的电流脉冲比和启动、停止持续时间。

3.根据权利要求1所述的一种基于随机森林的非侵入式家用电器识别方法，其特征在于，所述的步骤2)中采用Bagging无权重抽样，从原始训练集中随机有放回的抽取样本，重复多次生成N个训练子集，每个训练子集中样本数量为原始子集的2/3，重复放回取样使得在每个训练子集存在重复的数据。

4.根据权利要求1所述的一种基于随机森林的非侵入式家用电器识别方法，其特征在于，所述的步骤3)中以训练子集作为根节点，通过自上而下的递归方式，在每个分裂节点处随机选择训练子集中的负荷特征，并从中选取信息增益率最大的负荷特征作为分裂属性进行分裂，直至所有样本均到达叶节点，且每个叶节点处样本为空或属于同一类别，每个训练子集都将生成一棵决策树。

5.根据权利要求4所述的一种基于随机森林的非侵入式家用电器识别方法，其特征在于，所述的信息增益率的计算过程如下：

(1)计算分裂节点的信息熵：

H(S)=-Σi=1mPilog2Pi,(i=1,2,...m)]]>

其中，m为训练子集中样本类别数目，P_i为该样本m类负荷中某一类的概率；

(2)按照负荷特征Q对训练子集S进行分类所需要的期望信息：

EQ(S)=Σj=1v[(SjS)*H(Sj)],(j=1,2,...v)]]>

其中，按照特征值Q的取值将训练子集S分成v个子集，S为训练子集的样本总数，S_j为v个子集中的某一个子集；

(3)根据步骤(2)和步骤(3)得到信息增益：

Gain(S)＝H(S)-E_Q(S)

(4)根据步骤(3)得到信息增益率GainRatio(S)：

LEQ(S)=-Σj=1v[(|Sj||S|)*log2(SjS)]]]>

GainRatio(S)=Gain(S)LEQ(S).]]>