基于聚类加权随机森林的非侵入式负荷识别

发布时间：2023-02-19 10:07

　　非侵入式负荷识别是实现用能管理的重要监测手段,而随机森林因其良好的泛化能力和鲁棒性应用于负荷识别领域。针对传统随机森林算法忽略决策树分类能力的差异、投票不公平的问题,提出了一种基于层次聚类的加权随机森林算法。首先,提取各类负荷开关状态下负荷特征量,建立特征数据库用于训练原始随机森林模型。然后,利用有功功率差检测总线信号中的开关事件,并提取负荷特征量作为验证集和测试集;验证集采用层次聚类选择法获得每个聚类中分类精度最高的决策树,测试集采用加权投票策略实现负荷识别。通过实验验证,说明相比于传统的机器学习算法,该算法可以实现更高的识别精度,准确率可达96.2%。

【文章页数】：7 页

【文章目录】：
0 引言
1 非侵入式负荷识别
    1.1 事件检测
    1.2 特征提取
2 聚类加权随机森林算法
    2.1 原始随机森林的构建
    2.2 基于层次聚类的加权随机森林
        2.2.1 层次聚类选择
        2.2.2 加权随机森林
3 案例分析
    3.1 模型的构建
    3.2 层次聚类结果分析
    3.3 负荷识别结果分析
4 结语



本文编号：3746023