-
公开(公告)号:CN107330517A
公开(公告)日:2017-11-07
申请号:CN201710448867.7
申请日:2017-06-14
Applicant: 华北电力大学
CPC classification number: G06N3/088 , G01R19/0092 , G01R23/16 , G06N3/04
Abstract: 本发明公开了一种基于S_Kohonen的非侵入式居民负荷识别方法,所述非侵入式居民负荷识别方法包括以下步骤:步骤一:根据家庭电力入口处有功功率的变化判断投切事件,当发生投切事件时,在家庭电力入口处采集发生投切事件的电器电流样本;步骤二:对采集到的电器电流样本进行频域分析,提取其频域谐波幅值作为各电器的负荷特征,形成负荷特征库;步骤三:设计适用于居民负荷识别的S_Kohonen神经网络,确定S_Kohonen神经网络输入层和输出层的神经元个数以及竞争层的规模,以确定获胜神经元的选择方式和权值调整的学习算法;步骤四:初始化参数;步骤五:训练集对S_Kohonen网络进行训练,测试集进行测试;步骤六:调整网络参数实现最佳网络性能。
-
公开(公告)号:CN107330517B
公开(公告)日:2021-08-06
申请号:CN201710448867.7
申请日:2017-06-14
Applicant: 华北电力大学
Abstract: 本发明公开了一种基于S_Kohonen的非侵入式居民负荷识别方法,所述非侵入式居民负荷识别方法包括以下步骤:步骤一:根据家庭电力入口处有功功率的变化判断投切事件,当发生投切事件时,在家庭电力入口处采集发生投切事件的电器电流样本;步骤二:对采集到的电器电流样本进行频域分析,提取其频域谐波幅值作为各电器的负荷特征,形成负荷特征库;步骤三:设计适用于居民负荷识别的S_Kohonen神经网络,确定S_Kohonen神经网络输入层和输出层的神经元个数以及竞争层的规模,以确定获胜神经元的选择方式和权值调整的学习算法;步骤四:初始化参数;步骤五:训练集对S_Kohonen网络进行训练,测试集进行测试;步骤六:调整网络参数实现最佳网络性能。
-