基于深度迁移学习的家用电器识别研究

摘要：

非侵入式家用负荷识别可实现电能管理、能源监测等电能质量分析,具有低成本、易实施诸多优点.针对实测家用电器稳定运行数据存在噪声干扰,导致大量V-I图数据不可用问题,提出一种V-I图数据筛选算法,筛选表征家用电器的二维V-I特征图数据,并改进深度学习网络,利用迁移学习,实现更好的家用电器识别效果.实验结果表明:数据筛选后不仅提高了电器识别的准确度,又加快了算法的收敛速度.

关键词：非侵入式负荷识别、V-I特征图、数据筛选、深度学习

所属期刊栏目：39

分类号：TP183(自动化基础理论)

资助基金：四川省科技厅重大人工智能专项项目2018GZDZX0043

在线出版日期：2020-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：48-50,54