低抽样数据的极限学习能源解析算法

能量解析在分解综合负荷及提高设备的能量效率方面起到重要作用.当前,能量解析方法主要存在较低准确性和效率问题.论文提出一种基于低频监控数据的多输出极限学习的能源解析方法.该方法的特征映射函数可一次随机生成且无需调整其参数,与支持向量机方法相比,其优化目标函数具有较少的优化约束条件且更易实现.用实际记录的房屋能量数据进行仿真,仿真结果表明:与支持向量机相比,本文方法具有更高的训练速度和分类精度、更少的计算时间和更强的泛化能力.