基于事件特征聚类的非侵入式小餐饮负荷辨识算法研究

摘要：

随着社会用电量的不断增长,国家电网公司公开报道数据显示,全国多数省份一般工商业占总用电量比例集中在20％左右,且增速较快,由此对电力公司产生了巨大的供需缺口压力,也对政府部门对于工商业用户的安全和环保监管提出了新的挑战.当前一般工商业负荷辨识研究刚起步,总体研究水平还停留在理论研究阶段,亟需形成技术突破.鉴于此,提出了一种事件特征聚类的非侵入式小餐饮负荷辨识算法.首先基于高频采样数据,使用贝叶斯信息准则算法进行事件特征提取,其次针对小餐饮数据进行数据集分类,最后使用支持向量机(SVM)聚类算法对事件特征进行训练和调优,并在测试集中进行负荷识别.以南京某火锅店为例,验证了算法的有效性.

关键词：负荷辨识、高频采样、贝叶斯信息准则、支持向量机、聚类

分类号：TM933

资助基金：国家电网公司科技项目J2021084

在线出版日期：2023-01-05（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：85-88