基于Fisher-SVM特征选择的负荷辨识研究

作     者：栾开宁 杨世海 黄艺璇 方凯杰 程含渺 黄时 LUAN Kaining;YANG Shihai;HUANG Yixuan;FANG Kaijie;CHENG Hanmiao;HUANG Shi

作者机构：国网江苏省电力有限公司江苏南京210028 江苏智臻能源科技有限公司江苏南京211111 

出 版 物：《电力科学与技术学报》 (Journal of Electric Power Science And Technology)

年 卷 期：2023年第38卷第4期

页      面：230-239,264页

学科分类：0808[工学-电气工程] 080802[工学-电力系统及其自动化] 08[工学] 

基　　金：国家重点研发计划“科技助力经济2020”重点专项(SQ2020YF F0426410)。 

主　　题：非侵入式 负荷辨识 Fisher 支持向量机 特征提取 

摘      要：针对当前非侵入式负荷辨识中不同设备特征选择上主观性、盲目性的问题,提出基于Fisher-SVM特征选择的非侵入式负荷辨识算法。首先,基于高频采样终端提取入户侧电流、电压原始数据,使用傅里叶变换对原始信号分解得有功、无功及谐波时间序列;其次,将负荷波形分为4个阶段并计算得到负荷波形暂稳态特征;然后,通过Fisher-SVM算法在不同分类器中对特征进行选择,得到最优分类特征子集,并利用Sigmoid函数对结果进行概率校准;最后,根据贝叶斯理论对各分类器进行融合从而实现对不同负荷的辨识。以3类台区831户实际用户进行算法测试。结果表明,该算法能够有效利用不同电器负荷印记的独特性,克服特征选择上的盲目性,提高负荷辨识能力。