[发明专利]一种基于深层森林算法的家庭用电负荷分类识别方法

权利要求书

1.一种基于深层森林算法的家庭用电负荷分类识别方法，它包括：

步骤S110、采集不同家庭用电负荷的特性数据；

步骤S120、将海量家庭用电负荷数据存储于服务器端，同时进行数据的预处理和重要关键参量的计算；

步骤S130、利用数据库内数据和参量建立深层森林算法的训练数据集，所述训练数据集包括数据样本集和测试集；

步骤S140、设置深层森林算法的参数，确定森林的产生算法，决策树棵数；

步骤S150、利用数据样本集对算法进行训练，形成具有逐层强化筛选的深层森林模型；

步骤S160、利用测试集对深层森林模型的分类的精确度进行测试，确定模型的层数；

步骤S180、得到训练完成的深层森林模型后，向模型中输入需要新接入的家庭负荷的观测值数据，最终输出负荷类型的分类结果。

2.根据权利要求1所述的一种基于深层森林算法的家庭用电负荷分类识别方法，其特征在于，所述家庭用电负荷的特性数据包括各类家庭用电器的电压、电流和谐波数据。

3.根据权利要求1所述的一种基于深层森林算法的家庭用电负荷分类识别方法，其特征在于，所述重要关键参量为：用电器的功率因数、用电器的功率上下限、用电器的工作模式、用电器启动电流和额定电流的倍数。

4.根据权利要求1所述的基于深层森林算法的家庭用电负荷分类识别方法，其特征在于，所述深层森林算法的参数包括：森林的生成方式、森林的类型、森林的个数、每个森林中的决策树棵数。

5.根据权利要求1所述的基于深层森林算法的家庭用电负荷分类识别方法，其特征在于，所述形成具有逐层强化筛选的深层森林模型的方法为:将每一层的输出结果作为增强向量，处理进入下一层的森林加强筛选力度，逐层强化，提高分类的精准度。

6.根据权利要求1所述的基于深层森林算法的家庭用电负荷分类识别方法，其特征在于，所述确定模型的层数的方法为：若分类的精确度达到设定数值，或增加层数对模型分类的精确度提升达不到设定数值，则当前层数为模型的层数。

7.根据权利要求1所述的基于深层森林算法的家庭用电负荷分类识别方法，其特征在于：它还包括：

步骤S170，设置一定的时间间隔，利用不断生成的海量家庭用电数据，对深层森林模型进行更新；具体更新方法为：利用新的海量家庭用电数据和历史数据库相结合，构建新的训练样本集，回到步骤S140，更新可用于家庭用电负荷分类识别的深层森林模型，提高分类精度。