【技术实现步骤摘要】
基于信息熵的ACO
‑
FCM与特征选择的非侵入式负荷监测方法
[0001]本专利技术涉及非侵入式负荷监测的无监督负荷识别
,具体涉及一种基于信息熵的
ACO
‑
FCM
与特征选择的非侵入式负荷监测方法
。
技术介绍
[0002]20
世纪
80
年代,
Hart
提出了
NILM(Non
‑
intrusive load monitor)
方
。NILM
是通过入户的总线测量装置采集到总的用电信号,通过一些计算机处理手段将总负荷分化成多个单一设备负荷,从而实现对单一设备的识别
。
智能电表技术的发展促进了
NILM
实践应用的发展
。NILM
主要问题在于总用户电信号数据的处理,通常处理方法是机器学习
(Machine learning
,
ML)
技术和深度学习
(Deep learning
,
DL)
技术
。
由于成本低
、
用户接受度好
、
装置简单,非侵入式负荷监测显现出广泛的应用价值与极大的发展前景
。
[0003]目前,
NILM
技术主要采用有监督学习和无监督学习两种分解与识别算法
。
监督学习算法需要对数据进行标记以得到训练集,然后根据训练好的 ...
【技术保护点】
【技术特征摘要】
1.
一种基于信息熵的
ACO
‑
FCM
与特征选择的非侵入式负荷监测方法,其特征在于,包括以下步骤:步骤
S1
,对待选择的负荷特征集进行负荷特征选择,得到筛选后的负荷特征集;步骤
S2
,对筛选后的负荷特征集采用基于信息熵的
ACO
算法进行第一阶段的聚类,获得聚类结果;步骤
S3
,将第一阶段的聚类结果作为
FCM
算法的输入,采用
FCM
算法进行第二阶段的聚类,得到聚类结果
。2.
如权利要求1所述的基于信息熵的
ACO
‑
FCM
与特征选择的非侵入式负荷监测方法,其特征在于,所述对待选择的负荷特征集进行负荷特征选择,包括:步骤
S11
,对待选择的负荷特征集进行
Relief
‑
F
分数排序,
Relief
‑
F
分数指
Relief
‑
F
算法中特征的重要性,设置阈值,筛选出重要性高的负荷特征,得到初筛特征集;步骤
S12
,对初筛特征集进行最大信息系数计算,得到
MIC
矩阵,设定最大信息系数阈值,剔除冗余特征,得到筛选后的负荷特征集
。3.
如权利要求1所述的基于信息熵的
ACO
‑
FCM
与特征选择的非侵入式负荷监测方法,其特征在于,所述对筛选后的负荷特征集采用基于信息熵的
ACO
算法进行第一阶段的聚类,包括:步骤
S21
,初始化确定基于...
【专利技术属性】
技术研发人员:汪文士,叶承宗,闫小关,孙志年,刘小东,
申请(专利权)人:无锡军工智能电气股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。