[发明专利]基于集成学习的非侵入式电力负荷监测与分解方法及系统在审
| 申请号： | 201810796286.7 | 申请日： | 2018-07-19 |
| 公开（公告）号： | CN109145949A | 公开（公告）日： | 2019-01-04 |
| 发明（设计）人： | 王红;王露潼;宋永强;王倩;刘海燕;于晓梅;胡斌 | 申请（专利权）人： | 山东师范大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 济南圣达知识产权代理有限公司 37221 | 代理人： | 张勇 |
| 地址： | 250014 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于集成学习的非侵入式电力负荷监测与分解方法及系统。其中，该方法包括：获取电力负荷入口处的电压和电流数据；计算电力负荷入口处的有功功率、电流谐波、功率因数角、电流谐波畸变率特征，构建样本集；将样本集随机分为训练集和预测集，利用训练集来训练集成学习器；当集成学习器训练完成后，利用预测集来测试样本集内样本所属的类别。其具有测试准确度高、可靠性强且较稳定的效果。 | ||
| 搜索关键词： | 电力负荷 集成学习 非侵入式 入口处 训练集 样本集 预测集 电流谐波畸变率 分解 测试样本集 测试准确度 功率因数角 电流数据 电流谐波 有功功率 监测 构建 样本 | ||
【主权项】：
1.一种基于集成学习的非侵入式电力负荷监测与分解方法，其特征在于，包括：获取电力负荷入口处的电压和电流数据；计算电力负荷入口处的有功功率、电流谐波、功率因数角、电流谐波畸变率特征，构建样本集；将样本集随机分为训练集和预测集，利用训练集来训练集成学习器；当集成学习器训练完成后，利用预测集来测试样本集内样本所属的类别；其中，集成学习器由至少两个机器学习模型并联构成，每个机器学习模型均对预测集进行初步预测样本集内样本所属的类别，根据各个机器学习模型的正确率与其相应权值之和大于预设阈值来判定集成学习器已经训练完成，否则继续训练集成学习器；其中，各个机器学习模型的相应权值等于各个机器学习模型分类结果的正确率与所有机器学习模型的累加之和得到的总正确率的比值；所述预设阈值由各个机器学习预测分类结果概率值的平均值来确定。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于山东师范大学，未经山东师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810796286.7/，转载请声明来源钻瓜专利网。
