一种基于PSO-SVM的负荷辨识方法及系统技术方案

本发明专利技术属于负荷辨识领域，提供了一种基于PSO

【技术实现步骤摘要】
一种基于PSO
‑
SVM的负荷辨识方法及系统


[0001]本专利技术属于负荷辨识领域，尤其涉及一种基于PSO
‑
SVM的负荷辨识方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]随着智能电网和泛在物联网的兴起，NILM(non
‑
intrusive load monitoring，非侵入式电力负荷监测)成为国内外众多相关学者的研究热点。NILM与传统的侵入式负荷检测技术相比，具有成本低、易安装、能保护用户的隐私、易推广等优点。用电电器负荷辨识作为NILM的一个重要组成部分，提高其识别的准确性对进一步完善NILM体系用重要的意义。专利技术人发现，目前用电负荷辨识大多针对单一用电电器类型，而对于多种同时使用的用电电器类型辨识存在辨识不准确及不可靠的问题。

技术实现思路

[0004]为了解决上述
技术介绍
中存在的技术问题，本专利技术提供一种基于PSO
‑
SVM的负荷辨识方法及系统，其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于PSO
‑
SVM的负荷辨识方法，其特征在于，包括：获取设定区域内电气系统的用电信息，所述用电信息包括电流信息和功率信息；从用电信息中提取用电特征，所述用电特征包括电流大小、功率大小及状态持续时间；将用电特征输入至使用PSO算法训练完成的SVM模型中，辨识出当前开启和/或关闭的电气设备类型。2.如权利要求1所述的基于PSO
‑
SVM的负荷辨识方法，其特征在于，在训练SVM模型之前，使用PSO算法初始化SVM模型的参数；在训练SVM模型的过程中，再使用PSO算法继续优化SVM模型，找出SVM模型的最佳参数，从而使得SVM模型的输出精度达到设定要求。3.如权利要求2所述的基于PSO
‑
SVM的负荷辨识方法，其特征在于，所述SVM模型的训练过程包括：获取训练SVM模型的用电信息，经扩展卡尔曼滤波算法进行滤波，再对滤波后的用电信息进行特征提取，得到用电特征，再使用kPCA算法进行降维，从用电特征中选择优化的特征组合，得到训练SVM模型的数据集；将得到的训练SVM模型的数据集中的特征组合样本输入至使用PSO算法初始化参数的SVM模型中，再对使用PSO算法初始化参数的SVM模型依次进行交叉验证以及基于预设适应度函数来验证SVM模型输出的开启和/或关闭的电气设备类型，判断是否满足终止条件；若是，则得到SVM模型的优化参数；否则，继续使用PSO算法搜索SVM模型的参数，再依次进行交叉验证以及基于预设适应度函数来验证SVM模型输出的开启和/或关闭的电气设备类型，直至满足终止条件，得到SVM模型的优化参数。4.如权利要求1所述的基于PSO
‑
SVM的负荷辨识方法，其特征在于，从用电信息中提取用电特征之前还包括：对用电信息进行滤波。5.如权利要求4所述的基于PSO
‑
SVM的负荷辨识方法，其特征在于，使用扩...

【专利技术属性】
技术研发人员：林勇，张海静，刘继彦，鞠文杰，王金友，陈晓东，陈文佼，王瑞琪，迟青青，杨伟进，魏姗姗，朱国梁，王硕，李燕，周子杰，刘肖琳，
申请(专利权)人：国家电网有限公司国网山东综合能源服务有限公司，
类型：发明
国别省市：