摘要
针对非侵入式负荷识别中识别精度低的问题,提出了一种基于卷积神经网络的非侵入式负载识别方法。通过UK-DALE数据集进行测试和训练,经过数次模拟实验,与传统机器学习对比后,有效地提升负荷识别的正确率,具有良好的抗噪性和鲁棒性,有良好的发展和应用前景。
Based on convolutional neural network,a non-intrusive load identification method is proposed,which is mainly aimed at the problem of low recognition accuracy in non-intrusive load identification.The UK-DALE data set is used for testing and training.After several simulation experiments,it is verified that the method can effectively improve the accuracy of load identification,which has good anti-noise and robustness,with good development and application prospects.
作者
张碧宁
孙皓月
余志成
ZHANG Bining;SUN Haoyue;YU Zhicheng(Hebei University of Architecture,Zhangjiakou,Hebei 075000)
出处
《河北建筑工程学院学报》
CAS
2023年第4期233-239,共7页
Journal of Hebei Institute of Architecture and Civil Engineering
基金
河北省高校基本科研业务费研究项目(基于机器学习的办公楼用电设备非侵入式监测研究2022CXTD09)
河北建筑工程学院研究生创新基金项目(基于机器学习的办公楼用电设备非侵入式监测研究XY202236)。
关键词
非侵入式
负荷识别
卷积神经网络
non-invasive
load identification
convolutional Neural Network