[发明专利]一种基于深层森林算法的家庭用电负荷分类识别方法

权利要求书

1.一种基于深层森林算法的家庭用电负荷分类识别方法，其特征在于，包括以下步骤：

S110：通过家庭智能采集终端对不同家庭用电负荷的特性数据进行智能化采集；

S120：将采集到的家庭用电负荷数据上传至服务器端并储存至家庭用电负荷数据库，同时对家庭用电负荷的数据进行预处理和家庭用电负荷重要关键参量的计算；

S130：利用家庭用电负荷数据库内数据和重要关键参量建立深层森林算法的训练数据集，所述训练数据集包括数据样本集和测试集；

S140：根据用户需要设置深层森林算法的参数，确定森林的产生算法，决策树棵数；

S150：利用训练样本集对深层森林算法进行训练，形成具有逐层强化筛选的深层森林模型；

S160：利用测试集对深层森林模型的分类的精确度进行测试，确定深层森林模型的层数；

S170：设置一定的时间间隔，利用不断生成的家庭用电负荷数据，对深层森林模型进行更新；

S180：得到训练完成的深层森林模型后，向深层森林模型中输入需要新接入的家庭负荷的观测值数据，最终输出负荷类型的分类结果。

2.根据权利要求1所述的基于深层森林算法的家庭用电负荷分类识别方法，其特征在于：所述家庭智能采集终端对各类家庭用电器的电压、电流、谐波数据进行高频采集，并将家庭用电器的数据上传服务器进行存储。

3.根据权利要求1所述的基于深层森林算法的家庭用电负荷分类识别方法，其特征在于：所述家庭用电负荷重要关键参量包括：用电器的功率因数、用电器的功率上下限、用电器的工作模式、用电器启动电流与额定电流的倍数。

4.根据权利要求1所述的基于深层森林算法的家庭用电负荷分类识别方法，其特征在于：所述步骤S140中深层森林算法的参数包括：森林产生方法、森林的完整程度、每个森林中的决策树棵数。

5.根据权利要求1所述的基于深层森林算法的家庭用电负荷分类识别方法，其特征在于：所述步骤S150中深层森林模型具有一定层次的森林筛选综合过程：将每一层的输出结果作为增强向量，进一步处理进入下一层的森林加强筛选力度，逐层强化，提高分类的精准度。

6.根据权利要求1所述的基于深层森林算法的家庭用电负荷分类识别方法，其特征在于：所述步骤S160中深层森林的层数可以根据分类任务的大小，训练集得到规模自行确定，训练每层森林时，算法将利用测试集对现有模型的能力进行测试，深层森林训练过程将不断加大深度，当分类的精确度达到一定数值，或增加层数对深层森林模型分类的精确度提升不大时，则停止增加深层森林的层数。

7.根据权利要求1所述的基于深层森林算法的家庭用电负荷分类识别方法，其特征在于：所述的深层森林模型可以自行更新，提高分类识别的精确度。