基于单分类结合模糊宽度学习的负荷辨识方法

非侵入式负荷监测是智能用电的关键技术,有助于加强负荷侧管理,提高用电效率。随着电力负荷类型和数量的迅速增加,当模型中接入训练样本之外的未知电器时会导致模型误判,降低负荷识别的准确性。为了提高负荷识别模型的稳定性以及识别精度,提出一种单分类结合模糊宽度学习的电力负荷识别方法。首先,构建负荷特征库实现多负荷识别;然后,通过单分类K近邻方法进行样本筛选,排除未知电器的干扰;最后,提出一种基于模糊宽度学习系统的负荷识别方法解决识别模型复杂度高、识别速率慢的问题。实验结果表明,所提出的算法能够快速有效地识别电力负荷。