[发明专利]一种基于S_Kohonen非侵入式居民负荷识别方法

摘要

本发明公开了一种基于S_Kohonen的非侵入式居民负荷识别方法，所述非侵入式居民负荷识别方法包括以下步骤：步骤一：根据家庭电力入口处有功功率的变化判断投切事件，当发生投切事件时，在家庭电力入口处采集发生投切事件的电器电流样本；步骤二：对采集到的电器电流样本进行频域分析，提取其频域谐波幅值作为各电器的负荷特征，形成负荷特征库；步骤三：设计适用于居民负荷识别的S_Kohonen神经网络，确定S_Kohonen神经网络输入层和输出层的神经元个数以及竞争层的规模，以确定获胜神经元的选择方式和权值调整的学习算法；步骤四：初始化参数；步骤五：训练集对S_Kohonen网络进行训练，测试集进行测试；步骤六：调整网络参数实现最佳网络性能。

主权项

一种基于S_Kohonen的非侵入式居民负荷识别方法，其特征在于，包括以下步骤：步骤一：根据家庭电力入口处有功功率的变化判断投切事件，当发生投切事件时，在家庭电力入口处采集发生投切事件的电器电流样本；步骤二：对采集到的电器电流样本进行频域分析，提取其频域谐波幅值作为各电器的负荷特征，形成负荷特征库；步骤三：设计适用于居民负荷识别的S_Kohonen神经网络，确定S_Kohonen神经网络输入层和输出层的神经元个数以及竞争层的规模，以确定获胜神经元的选择方式和权值调整的学习算法；步骤四：初始化参数，其中参数包括：输入层与竞争层之间连接权值ωij、输出层与竞争层之间连接权值ωjk、邻域半径r、ωij的学习速率η1和ωjk的学习速率η2；步骤五：各电器的负荷特征向量作为网络输入，电器类别作为网络输出，通过训练集对S_Kohonen网络进行训练，训练结束使用网络对测试集样本进行测试，得到识别结果，计算各电器的识别准确率以及总体识别准确率以测试网络性能；步骤六：调整S_Kohonen神经网络的竞争层规模、终止阈值或最大迭代次数，研究网络参数与网络性能的关系，选择合适参数实现最佳网络性能。