[发明专利]一种基于仿射传播聚类算法和选择性贝叶斯分类的NILMD方法

权利要求书

1.一种基于仿射传播聚类算法和选择性贝叶斯分类的NILMD方法，其特征在于，包括以下步骤：

步骤1：基于仿射传播聚类算法，计算出样品目标的运行状态；

步骤2：基于选择性贝叶斯分类，对所述运行状态进行概率拟合，获得样品目标的运行状态区间；

步骤3：基于二维高斯分布和极大似然估计法，结合所述运行状态区间，对样品目标进行识别分解，完成样品目标的非侵入式负荷识别与分解。

2.如权利要求1所述的基于仿射传播聚类算法和选择性贝叶斯分类的NILMD方法，其特征在于，所述仿射传播聚类算法包括以下步骤：

步骤1.1：基于样品目标的低频特征，构建样品目标的特征样本集；

步骤1.2：对所述特征样本集进行责任度和可信度更新；

步骤1.3：通过阻尼因子平抑迭代过程中所述特征样本集的振荡；

步骤1.4：所述特征样本集重复迭代，获得样品目标的所述运行状态。

3.如权利要求2所述的基于仿射传播聚类算法和选择性贝叶斯分类的NILMD方法，其特征在于，构建所述特征样本集包括以下步骤：

步骤1.1.1：通过消息传递机制，搜索网络中样品目标的各个数据点的聚类中心以及数据点与数据中心之间的隶属关系；

步骤1.1.2：根据所述隶属关系，对样品目标进行划分，形成所述特征样本集。

4.如权利要求1所述的基于仿射传播聚类算法和选择性贝叶斯分类的NILMD方法，其特征在于，进行所述概率拟合之前还包括：对所述特征样本集和类别变量进行概率计算，获得特征样本集的后验概率。

5.如权利要求1所述的基于仿射传播聚类算法和选择性贝叶斯分类的NILMD方法，其特征在于，所述选择性贝叶斯分类进行所述概率拟合是通过贝叶斯分类器实现的。

6.如权利要求1所述的基于仿射传播聚类算法和选择性贝叶斯分类的NILMD方法，其特征在于，对样品目标进行所述识别分别包括以下步骤：

步骤3.1：基于二维高斯分布，对所述运行状态区间进行随机性描述，构建出功率波动模型；

步骤3.2：基于极大似然估计法，结合所述功率波动模型，对样品目标进行识别和分解，完成非侵入式负荷识别与分解。