基于遗传算法的智能电网非侵入式电器监控策略

被引：9

作者：

王高红 ^{[1
]}

陈潇一 ^{[2
]}

机构：

[1] 国网陕西省电力公司宝鸡供电局

[2] 国网陕西省电力公司

来源：

智慧电力 | 2017年 / 45卷 / 11期

关键词：

遗传算法; 非侵入; 人工神经网络; 决策树;

D O I：

暂无

中图分类号：

TM76 [电力系统的自动化];

学科分类号：

080802 ;

摘要：

为提高电力资源的利用率,提出了一种基于遗传算法的智能电网非侵入式电器监控策略。首先,提取出基于负荷瞬态电压电流的瞬态特征和基于高阶统计的累积特征的电器参数混合特征;然后使用遗传算法选出最具判别能力的特征,并降低计算复杂度;最后使用人工神经网络和决策树算法对遗传算法过滤后的特征进行分类,区分出不同的用电设备以分类计量各种电器的用电信息。试验结果表明,使用遗传算法后能明显提高分类器的分类性能,并可满足实时性需求。

引用

收藏

页码：42 / 46+71 +71

页数：6

相关论文

共 16 条

[1] 居民负荷设备的非侵入式识别方法研究 [J].

李刚 ;

于长海 ;

王天军 ;

宋雨 ;

沈玉兰 .

电力信息与通信技术, 2017, 15 (05) :54-60

[2] 基于差量特征提取与模糊聚类的非侵入式负荷监测方法 [J].

孙毅 ;

崔灿 ;

陆俊 ;

郝建红 ;

刘向军 .

电力系统自动化, 2017, 41 (04) :86-91

[3] 基于现状分析的智能用电技术发展趋势研究 [J].

王国春 ;

杨健 .

陕西电力, 2016, 44 (12) :49-51+61

[4] 用于NILM的电器设备谐波特征研究 [J].

李秋硕 ;

肖勇 ;

李鹏 ;

蒋仲明 ;

刘卫涛 ;

刘浩 ;

刘博 .

南方电网技术, 2016, 10 (10) :73-78

[5] 智能电网在线安全稳定预警系统研究及应用 [J].

肖盛 ;

王斐 ;

唐玮 ;

肖河 ;

叶钟海 .

电网与清洁能源, 2016, 32 (08) :23-28

[6] 基于改进鸡群算法的非侵入式家电负荷分解 [J].

许仪勋 ;

李旺 ;

李东东 ;

游心超 .

电力系统保护与控制, 2016, 44 (13) :27-32

[7] 基于差分进化算法的居民用电负荷分解方法 [J].

周晨轶 ;

刘松 ;

钟潇 ;

刘鹏 .

南方电网技术, 2016, 10 (06) :62-69

[8] 构建新一代能源系统的设想 [J].

周孝信 .

陕西电力, 2015, 43 (09) :1-4

[9] 基于粒子群算法的决策树SVM多分类方法研究 [J].

王道明 ;

鲁昌华 ;

蒋薇薇 ;

肖明霞 ;

李必然 .

电子测量与仪器学报, 2015, 29 (04) :611-615

[10] 一种基于决策树和遗传算法-BP神经网络的组合预测模型 [J].

梁栋 ;

张凤琴 ;

陈大武 ;

李小青 ;

王梦非 .

中国科技论文, 2015, 10 (02) :169-174