[发明专利]一种结合人工规则与机器学习的电力负荷识别方法

权利要求书

1.一种结合人工规则与机器学习的电力负荷识别方法，其特征在于，包括人工规则决策树和机器学习分类器，设每个待识别样本具有n维特征，所述负荷识别方法步骤包括：

将待识别样本的n维特征输入人工规则决策树得到m维输出；

将待识别样本原有的n维特征与人工规则决策树得到的m维输出拼接作为样本新的m+n维特征向量；

将m+n维特征向量输入机器学习分类器进行分类并输出负荷识别结果；

结合人工规则与机器学习方法的负荷识别方法的模型训练过程为：

将训练样本集划分为样本集1和样本集2；

人为指定用于分类的数据特征项作为人工规则决策树各分枝的划分特征，但不设划分阈值；

利用样本集1对人工规则决策树进行训练，确定各划分特征的划分阈值；

对样本集2，将其中每个样本经人工规则决策树的输出结果与样本集2原有特征向量拼接组成新的样本特征向量，进一步训练机器学习分类器；

所述利用样本集1对人工规则决策树进行训练，确定各划分特征的划分阈值中，采用Gini系数确定划分阈值。

2.根据权利要求1所述的一种结合人工规则与机器学习的电力负荷识别方法，其特征在于：按任意方法从训练样本集中抽取出样本集1和样本集2，两个样本集的数据允许有重叠。

3.根据权利要求1所述的一种结合人工规则与机器学习的电力负荷识别方法，其特征在于：所述的机器学习分类器采用决策树、人工神经网络、支持向量机中的任一种或几种的组合。