基于VMD样本熵与随机森林的非侵入式设备状态检测方法

摘要：

非侵入式负荷监测可以保护用户隐私并对用电情况做出细分,为了提高设备状态检测辨识精度,提出一种基于变分模态分解样本熵特征数据集结合随机森林分类的非侵入式负荷状态检测方法.采用变分模态分解算法利用其良好的抗噪性、鲁棒性对暂态特征进行提取;计算模态样本熵,将处理后的数据集作为决策树、支持向量机和随机森林等算法的输入进行负荷状态辨识.实验分析表明,随机森林的强分类性使得负荷辨识结果较好,且拟合效果优秀,成功结合了所提算法并解决了单设备运行和多设备运行时的非侵入式设备状态的检测问题.

关键词：非侵入式负荷监测;变分模态分解;样本熵;随机森林;用电设备;暂态特征;状态检测;支持向量机

所属期刊栏目：44

分类号：TN99-34;TM714

资助基金：国家自然科学基金项目51677058

在线出版日期：2021-08-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：104-108