基于改进FCM聚类算法与MLP神经网络的非侵入式家庭负荷识别方法.pdfVIP

下载本文档

1
0
约2.84万字
约 26页
2023-05-10 发布于北京
举报
版权申诉

基于改进FCM聚类算法与MLP神经网络的非侵入式家庭负荷识别方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种基于改进FCM聚类算法与MLP神经网络的非侵入式家庭负荷识别方法，包括：进行家庭负荷分类，提取负荷的功率变化量特征；使用熵权法改进FCM聚类算法，使用改进聚类算法进行负荷的一次识别；提取负荷的稳态差值电流谐波特征；构建MLP神经网络，使用训练好的MLP神经网络对负荷进行二次识别；综合一次和二次识别结果，获得完整的负荷识别结果。本发明涵盖了负荷的有功、无功和电流谐波等数据特征，多种特征的选择提高了非侵入式负荷辨识的准确度，同时，通过两次识别过程，减少了仅基于深度学习方法负荷辨识的工

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114492671 A (43)申请公布日 2022.05.13 (21)申请号 202210146267.6 (22)申请日 2022.02.17 (71)申请人河海大学地址 210024 江苏