基于差量特征與AdaBoost的家用負荷識別方法研究
信息技術與網絡安全 3期
王巖俊1，蔡高琰2，駱德漢1，梁炳基2
(1.廣東工業大學 信息工程學院，廣東 廣州510006；2.廣東浩迪創新科技有限公司，廣東 佛山528200)
摘要： 針對家用負荷提出了一種使用智能電表進行數據采集的非侵入式負荷在線識別方法。該方法使用智能電表計算出負荷的差量特征向量預先建立特征庫，訓練以決策樹作為弱分類器的AdaBoost分類器模型，利用負荷投切時電表的告警信息中包含的特征向量進行分類以實現負荷在線識別，實時性好且提高了單一決策樹模型的識別效果。實驗結果證明了該方法的可行性，實現了負荷使用信息的獲取，具有較好的實際應用價值。
中圖分類號： TP391.4
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2022.03.013
引用格式： 王巖俊，蔡高琰，駱德漢，等. 基于差量特征與AdaBoost的家用負荷識別方法研究[J].信息技術與網絡安全，2022，41(3)：78-82.
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2022.03.013
引用格式： 王巖俊，蔡高琰，駱德漢，等. 基于差量特征與AdaBoost的家用負荷識別方法研究[J].信息技術與網絡安全，2022，41(3)：78-82.
Research on household load identification method based on difference features and AdaBoost
Wang Yanjun1，Cai Gaoyan2，Luo Dehan1，Liang Bingji2
(1.School of Information Engineering，Guangdong University of Technology，Guangzhou 510006，China； 2.Hodi Technology Co.，Ltd.，Foshan 528200，China)
Abstract： Aiming at household load, a non-intrusive online load identification method using smart meters for data collection is proposed. This method uses the smart meter to calculate the difference feature vector of the load to build a feature library in advance, trains the AdaBoost classifier model which takes the decision tree as the weak classifier, and uses the feature vector contained in the alarm information of the smart meter when the load is switched to classify the load，and to achieve load online recognition. This method has good real-time performance and improves the recognition effect of a single decision tree model. The experimental results show that the proposed method is feasible，and realizes the acquisition of load usage information, has good practical application value.
Key words : non-intrusive load identification；smart meter；difference feature；adaptive boosting(AdaBoost)
0 引言
隨著智能電網的進一步發展，如何獲知電力用戶的具體用電行為，實現用電信息的大數據挖掘及為電能需求側管理提供技術支撐成為重要的研究方向。即配電網通過獲知電能用戶的日常用電行為和電能消耗情況，使其能精細化調配電能及合理引導用戶參與到節能減排中來，從而實現高效合理的需求側管理[1]及電力信息大數據應用[2]，對建設綠色、生態、共享的經濟具有重大意義。
實現獲取用戶具體用電行為的技術稱為負荷辨識技術，也稱為負荷識別，分為侵入式和非侵入式兩種[3]。侵入式負荷識別技術需要在用戶的房屋內部對每一個感興趣的負荷安裝專門的監測設備，優點是易于實現，缺點是隨著要監測的負荷類別及數量增多，所需的監測設備安裝維護成本也會急劇上升，且會對用戶的日常使用造成干擾；與之相對，非侵入式負荷識別技術通過采集電力線入戶端的電參數并進行特征提取，使用聚類分析[4-7]、人工神經網絡[8-10]、K近鄰[11]、核支持向量機[12-13]或它們的結合等算法進行負荷識別，無需安裝專門的監測設備。
本文詳細內容請下載：http://m.viuna.cn/resource/share/2000004030
作者信息：
王巖俊1，蔡高琰2，駱德漢1，梁炳基2
(1.廣東工業大學 信息工程學院，廣東 廣州510006；2.廣東浩迪創新科技有限公司，廣東 佛山528200)
此內容為AET網站原創，未經授權禁止轉載。