计及小波设计和半监督机器学习的非侵入式负载识别

在非侵入式负载识别技术的基础上,为进一步提高电器设备的识别效率,克服传统智能算法对开关事件分类准确度的缺陷,提出了一种半监督机器学习的识别方法,小波设计和普鲁克分析用于提取家庭常用电器的开、关暂态特征信息,利用小波的能量系数作为特征值,采用最近邻算法和决策树算法2个分类器协同训练分类出负载样本,分类准确度的判断使用蒙特卡罗方法进行评估,通过对4种常用电器进行仿真实验,结果表明,相比监督机器学习的一对余算法77%的准确度,所提方法准确度达到了95.6%,运行测试时间由一对余(OAR)算法的10～12 ms降为6 ms,提高了对负荷特征相近电器的识别准确度和识别速度.