文献类型：期刊文章

作　　者：延菲[1,2] 张瑞祥[1] 孙耀杰[1,2,3] 陶余会[4] 黄国平[5] 孙伟涛[6]

YAN Fei;ZHANG Ruixiang;SUN Yaojie;TAO Yuhui;HUANG Guoping;SUN Weitao(School of Information Science and Engineering,Fudan University,Shanghai 200433,China;Institute for Six-sector Economy,Fudan University,Shanghai 200433;Shanghai Engineering Research Center for Artificial Intelligence Integrated Energy System,Shanghai 200433,China;Shanghai Fudan Forward Science and Technology Co.,Ltd,Shanghai 200433,China;CECEP Solar Energy Technology(Zhenjiang)Co.,Ltd,Zhenjiang,Jiangsu 212132,China;School of Electronic Information and Electrical Engineering,Shanghai Jiao Tong University,Shanghai 200240,China)

机构地区：[1]复旦大学信息科学与工程学院,上海200433 [2]复旦大学六次产业研究院,上海200433 [3]上海综合能源系统人工智能工程技术研究中心,上海200433 [4]上海复旦复华科技股份有限公司,上海200433 [5]中节能太阳能科技(镇江)有限公司,江苏镇江212132 [6]上海交通大学电子信息与电气工程学院,上海200240

出　　处：《复旦学报（自然科学版）》

基　　金：国家重点研发计划(2018YFB1500904,2019YFB2103200);2019年度上海市工程技术研究中心建设计划(19DZ2252000);2020年第一批上海市信息化发展专项资金(智慧城市建设和大数据发展)(202001015)。

年　　份：2021

卷　　号：60

期　　号：2

起止页码：182-188

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：居民用户作为智能电网的重要消耗端,合理用电对缓解能源危机起着至关重要的作用,用电量的分项计量及实时反馈能够引导用户自行优化用能习惯,同时帮助电网侧挖掘用户侧的节能潜力和需求响应潜力.非侵入式负荷监测是用电量分项计量的实现途径,本文针对现有高精度的基于深度学习的负荷识别算法运算复杂度高,无法用于家庭嵌入式设备的问题,提出利用无需训练过程的k最近邻(k-Nearest Neighbor,kNN)算法作为负荷识别模型.首先对标准kNN算法容易误判少数类的缺陷采用加权方式进行改进,然后针对V-I轨迹缺失数值特征的不足提出了基于综合相似度的类别判决方法,最后利用数据集和实验室数据验证了上述算法的有效性.

关 键 词：负荷识别  KNN算法 二值V-I轨迹  综合相似度  

分 类 号：TM714]