申请/专利权人：安徽理工大学

申请日：2023-05-09

公开（公告）日：2023-09-12

公开（公告）号：CN116738306A

主分类号：G06F18/241

分类号：G06F18/241;H02J3/00;G06F18/211;G06N3/006

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.09.29#实质审查的生效;2023.09.12#公开

摘要：本发明公开了一种AASO联合KELM的电力负荷在线辨识方法，包括：采集不同类型电力负荷在一个连续采样周期内的电流、有功功率、无功功率和视在功率；分别提取电流、有功功率、无功功率和视在功率的时域特征、频域特征和熵特征；将提取到的时域特征、频域特征和熵特征合并，得到电力负荷的联合特征；基于自适应原子搜索算法AASO对电力负荷的联合特征进行特征筛选，得到电力负荷筛选特征；将筛选得到的特征作为核极限学习机KELM模型的输入，构建电力负荷辨识模型。本发明借助AASO实现了电力负荷特征的有效筛选，利用AASO进行KELM模型隐含层神经元数目的自整定解决了模型超参数选择的难题。

主权项：1.一种AASO联合KELM的电力负荷在线辨识方法，其特征在于：包括以下步骤：S1：采集不同类型电力负荷在一个连续采样周期内的电流、有功功率、无功功率和视在功率；S2：分别提取电流、有功功率、无功功率和视在功率的时域特征、频域特征和熵特征；S3：将提取到的时域特征、频域特征和熵特征合并，得到电力负荷的联合特征；S4：基于自适应原子搜索算法AdaptiveAtomSearchOptimization，AASO对电力负荷的联合特征进行特征筛选，得到电力负荷筛选特征；S5：将筛选得到的特征作为核极限学习机KernelExtremeLearningMachine，KELM模型的输入，构建电力负荷辨识模型。

全文数据：

权利要求：

百度查询： 安徽理工大学 一种AASO联合KELM的电力负荷在线辨识方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD