[发明专利]一种电气负载类型识别方法

摘要

一种电气负载类型方法，采用改进决策树分类器或者是复合优化决策树分类器进行电气负载类型识别，分类器的输入特征包括电气负载的启动电流特征和电气负载的稳态电流频谱特征，启动电流特征包括启动过程时间、启动电流最大值、启动电流最大值时间；能够在不同电气负载类型的所有输入特征均落入相应的区间化输入特征重叠区域，或者是部分输入特征均落入相应的区间化输入特征的有效区间之外，而另外的输入特征均落入相应的区间化输入特征重叠区域时，完成电气负载类型识别，且泛化能力与识别准确率高。

主权项

1.一种电气负载类型识别方法，采用分类器进行电气负载类型识别，其特征在于，所述分类器的输入特征包括电气负载的启动电流特征和电气负载的稳态电流频谱特征；所述启动电流特征包括启动过程时间、启动电流最大值、启动电流最大值时间；所述分类器为基于隶属比例平方和和贝叶斯的复合优化决策树分类器，其构建流程如下：步骤⑴、获取多组电气负载的输入特征样本，随机选择其中部分输入特征样本作为训练数据样本，其他输入特征样本作为测试数据样本；对训练数据样本中每个输入特征的数据分别进行区间化预处理，得到区间化输入特征；步骤⑵、根据电气负载区间化输入特征的重叠状态，找到当前节点待选择输入特征的中间分裂点，将区间化输入特征的区间分段化；步骤⑶、计算当前节点待选择输入特征的信息量；步骤⑷、计算当前节点待判别电气负载的每个待选择输入特征的信息熵；步骤⑸、计算当前节点的每个待选择输入特征的总信息熵；步骤⑹、计算当前节点的每个待选择输入特征的信息增益；步骤⑺、选择当前节点待选择输入特征中信息增益最大的输入特征作为当前节点的判别属性，形成分支完成当前节点的建立；递归调用步骤⑵到步骤⑺，完成所有判别分支的建立；步骤⑻、对不是纯净集的输出节点，分别计算所有输入特征针对该节点所有待分类电气负载类型的隶属比例平方和，采用隶属比例平方和作为该节点的判别属性，选择其中隶属比例平方和最大的电气负载类型输出；步骤⑼、采用步骤⑴获取的电气负载样本输入特征中的训练数据样本，训练并建立贝叶斯分类器；步骤⑽、记录步骤⑻中所有采用隶属比例平方和作为节点判别属性的节点，准备进行分类优化；步骤⑾、选择一个采用隶属比例平方和作为节点判别属性且未进行分类优化的节点进行分类优化，方法是，将步骤⑴获取的电气负载样本输入特征中的测试数据样本依次输入至复合优化决策树分类器，统计该节点采用隶属比例平方和作为节点判别属性时的总电气负载识别准确率；该节点使用贝叶斯分类器分类，替代该节点采用隶属比例平方和作为节点判别属性的方法，将步骤⑴获取的电气负载样本输入特征的测试数据样本依次输入至复合优化决策树分类器，统计该节点采用贝叶斯分类器分类时的总电气负载识别准确率；选择总电气负载识别准确率高的方法作为该节点进行电气负载启动运行识别的方法；步骤⑿、若步骤⑻中所有采用隶属比例平方和作为节点判别属性的节点未全部完成分类优化，返回步骤⑾；若步骤⑻中所有采用隶属比例平方和作为节点判别属性的节点全部完成分类优化，完成复合优化决策树分类器的构造。