[发明专利]基于状态矩阵决策树的非侵入式负荷检测与分解方法有效
| 申请号： | 201811170715.6 | 申请日： | 2018-10-09 |
| 公开（公告）号： | CN109387712B | 公开（公告）日： | 2021-04-13 |
| 发明（设计）人： | 苏鹭梅;郑锐洁;郑小龙;朱文婷;张宝琼;邓冠森 | 申请（专利权）人： | 厦门理工学院 |
| 主分类号： | G01R31/00 | 分类号： | G01R31/00;G06K9/62 |
| 代理公司： | 厦门市精诚新创知识产权代理有限公司 35218 | 代理人： | 方惠春 |
| 地址： | 361000 福建省*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及基于状态矩阵决策树的非侵入式负荷检测与分解方法，包括以下步骤：S1、对样本数据进行预处理，包括数据清洗、数据集成和数据归约，得到有效的样本数据；S2、利用频谱分析确定数据样本周期；S3、基于顺序向前特征选择算法与K‑means聚类算法选择负荷特征，再根据样本周期，利用时序特征选择算法，提取辨识度高的负荷特征；S4、基于改进型滑动窗双边CUSUM事件检测算法与决策树的负荷识别与分解，建立自动识别的单一设备工作状态模型，在此基础上，引入状态矩阵决策树，建立负荷时序特征概率模型，从而实现叠加设备工作状态的自动识别。本发明的方法识别效率高，具有很好的实用性。 | ||
| 搜索关键词： | 基于 状态 矩阵 决策树 侵入 负荷 检测 分解 方法 | ||
【主权项】：
1.基于状态矩阵决策树的非侵入式负荷检测与分解方法，其特征在于，包括：S1、对样本数据进行预处理，包括数据清洗、数据集成和数据归约，得到有效的样本数据；S2、利用频谱分析法确定数据样本周期；S3、基于顺序向前特征选择算法与K‑means聚类算法选择负荷特征，再根据样本周期，利用时序特征选择算法，提取辨识度高的负荷特征；S4、基于改进型滑动窗双边CUSUM事件检测算法与决策树的负荷识别与分解，建立自动识别的单一设备工作状态模型，在此基础上，引入状态矩阵决策树，建立负荷时序特征概率模型，从而实现叠加设备工作状态的自动识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于厦门理工学院，未经厦门理工学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811170715.6/，转载请声明来源钻瓜专利网。
