基于优化多类Adaboost的非侵入式负荷监测

针对非侵入式负荷监测技术在多状态设备的工作状态辨识研究较少及精度不高的问题,提出了一种基于遗传算法优化的多类Adaboost的非侵入式负荷监测技术。首先提取原始数据集有效特征(电流有效值及其变化量、有功功率及其变化量、无功功率)。其次利用遗传算法优化多类Adaboost中的五个参数,得到最优强分类器。最后通过第六届“泰迪杯”数据挖掘挑战赛A题数据对同时运行两个设备(九阳热水壶、激光打印机)所有状态进行识别。实验结果表明,该算法识别能力优于决策树算法和SVM算法。