基于小波随机森林的非侵入式工业负荷识别及其鲁棒性研究

非侵入式工业负荷识别技术能在不改变现有电路结构的前提下对电力系统中的负荷组成进行识别,从而获取不同工业用户用电信息,对于工业园区的用户优化用电计划、节能降本具有重要意义。为解决目前针对工业负荷的非侵入式识别准确率低且实用性差等问题,提出一种基于小波随机森林(wavelet transform-randomized forest, WRF)的非侵入式多目标工业负荷识别方法。通过分析工业负荷波形特性,选取有效特征变量,使用小波变换提取变量的局部暂态和稳态特征,使用随机森林对所有特征进行多目标分类匹配,实现工业负荷识别。为验证所提出方法的有效性,将WRF算法的识别效果与目前常用的方法进行了对比,并对其鲁棒性做了进一步分析,结果表明所提出方法具有更高的准确性与更强的实用性。