[发明专利]一种基于正则化贪心森林算法非侵入式负荷辨识方法

说明书

本发明为一种基于正则化贪心森林算法的非侵入式负荷辨识方法，具体包括以下步骤：首先使用某一区域的居民用电数据，对数据进行预处理。其次选择V‑I轨迹作为负荷特征，轨迹特征的提取方法是通过映射将原始V‑I轨迹转化为二维V‑I轨迹，分析该特征轨迹图与样本数据的标签的相关性，使用与样本数据标签有相关性的负荷特征是为了提高负荷辨识的准确性。最后使用基于正则化贪心森林算法的非侵入式负荷辨识方法进行负荷辨识，并得到辨识的结果。本发明方法能够提高负荷识别精度，且模型具有良好的泛化能力，具有一定的应用价值。

技术领域

本发明涉及一种基于正则化贪心森林算法非侵入式负荷辨识方法，特别适合涉及在非侵入式负荷监测系统中。

背景技术

随着智能电网广泛普及，居民用户侧成为其重要消耗端之一，通过对用户用电量的分项计量及实时反馈，能够引导居民自行产生合理用电习惯，对缓解能源危机起着至关重要的作用，同时帮助电网侧深入探究居民端的节能潜力和需求响应潜力；而非侵入式负荷监测是用电量分项计量的实现途径，负荷辨识作为非侵入式负荷监测的重要组分之一，具有重要研究意义；本发明针对现有高精度的基于深度学习的负荷识别算法运算复杂度高，无法用于家庭嵌入式设备的问题，公布了一种基于正则化贪心森林算法的非侵入式负荷辨识方法，该方法能够提高负荷识别精度，且模型具有良好的泛化能力，具有一定的应用价值。

发明内容

本发明的主要目的是提出一种基于正则化贪心森林算法非侵入式负荷辨识方法。

本方法包括以下步骤：

Step1使用某一区域的居民用电数据，对数据进行预处理；

Step2选择V-I轨迹作为负荷特征，轨迹特征的提取方法是通过映射将原始V-I轨迹转化为二维V-I轨迹，分析该特征轨迹图与样本数据的标签的相关性，使用与样本数据标签有相关性的负荷特征是为了提高负荷辨识的准确性；

Step3使用基于正则化贪心森林算法的非侵入式负荷辨识方法进行负荷辨识，并得到辨识的结果。

本发明公开了一种基于正则化贪心森林算法非侵入式负荷辨识方法，首先提取某一区域的居民用电数据，对数据进行预处理；其次选择V-I轨迹作为负荷特征，该特征的提取方法是通过二值映射法将原始V-I轨迹转化为二维V-I轨迹，同时分析该特征轨迹图与样本数据的标签的相关性，使用与样本数据标签有相关性的负荷特征是为了提高负荷辨识的准确性；最后使用基于正则化贪心森林算法的非侵入式负荷辨识方法进行负荷辨识，并得到辨识的结果；本发明方法可以提高负荷识别精度，避免了如深度学习的负荷识别算法的运算复杂度高且无法用于家庭嵌入式设备的问题，且模型的泛化能力良好，具有一定的应用价值。

附图说明

为了让读者更清晰地了解本专利实施方案，下面将对本专利具体实施方式中的附图作简单介绍：

图1为本发明实施的正则化贪心森林算法流程图

图2为本发明实施的一种基于正则化贪心森林算法非侵入式负荷辨识方法结构图

具体实施方式

本发明的主要目的是提出了一种基于正则化贪心森林算法非侵入式负荷辨识方法。

本方法包括以下步骤：

采用正则化贪心森林算法在处理数据不平衡时以及在识别的具有相似特征轨迹时，具有较强的泛化能力，且算法运算复杂度较低，提高了算法的识别精度，具体包括以下步骤：

Step1使用某一区域的居民用电数据，对数据进行预处理；

Step2选择V-I轨迹作为负荷特征，轨迹特征的提取方法是通过映射将原始V-l轨迹转化为二维V-I轨迹，分析该特征轨迹图与样本数据的标签的相关性，使用与样本数据标签有相关性的负荷特征是为了提高负荷辨识的准确性；