[发明专利]基于混合神经网络和集成学习的非侵入式负荷识别算法

摘要

本发明属于数据挖掘与机器学习领域，尤其涉及一种基于混合神经网络和集成学习的非侵入式负荷识别算法。首先对实验数据进行处理，使数据的格式符合模型的输入格式。处理好数据后建立混合神经网络模型，将数据输入到模型中，经过训练和测试得出识别结果，用集成学习的思想，对三个不同的模型的结果进行投票，得出最终识别结果。本发明得混合神经网络的特征提取效果以及负荷识别的效果都高于传统神经网络；同时提出了一种基于集成学习思想的方法，通过从总特征集中选择多个特征子集训练多个基分类器，再将多个基分类器进行结合，以降低方差并提升最终结果的识别效果，解决了引入谐波特征对识别效果产生不良影响的问题。

主权项

一种基于混合神经网络和集成学习的非侵入式负荷识别算法，其特征在于，包括步骤1、数据处理：将公开数据集中的数据进行处理，得到模型的输入数据；时域数据直接获得，频域数据需要经过傅里叶变换获得；步骤2、建立混合神经网络模型：由循环神经网络RNN和人工神经网络ANN混合的混合神经网络HNN；混合神经网络的模型为输入层、一层循环神经网络、多层人工神经网络以及输出层；经过训练后，此模型对输入的负荷信息进行识别；步骤3、训练及测试混合神经网络模型：用公开数据集中的数据对步骤2中建立好的模型进行训练及测试，获得初步的识别结果，输出各负荷识别结果；步骤4、集成学习：从总特征集中选择多个特征子集训练多个基分类器，再将多个基分类器进行结合，以降低方差，提升最终识别的效果；用投票的方式确定最终负荷识别结果。