• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于DAG-SVMS 的非侵入式負(fù)荷識(shí)別方法*

    2021-11-04 03:48:40徐元源李松濃
    電子技術(shù)應(yīng)用 2021年10期
    關(guān)鍵詞:電流強(qiáng)度暫態(tài)分類器

    王 毅 ,徐元源 ,李松濃

    (1.重慶郵電大學(xué) 通信與信息工程學(xué)院,重慶 400065;2.國網(wǎng)重慶市電力公司電力科學(xué)研究院,重慶 404100)

    0 引言

    智能電網(wǎng)建設(shè)是以提高生態(tài)可持續(xù)性、供電安全性和經(jīng)濟(jì)競爭力為目標(biāo)[1],表現(xiàn)為提高負(fù)荷監(jiān)測(cè)技術(shù)、提高終端用戶響應(yīng)速度、提高需求側(cè)的節(jié)約能效、提供智能控制技術(shù)、分布式能源的自由接入[2]。非侵入式負(fù)荷識(shí)別作為非侵入式負(fù)荷監(jiān)測(cè)的核心內(nèi)容,在不改變用戶電路結(jié)構(gòu)的條件下,通過測(cè)量總負(fù)荷數(shù)據(jù),即可獲得系統(tǒng)內(nèi)具體用電負(fù)荷的數(shù)量、類別、運(yùn)行狀態(tài)信息,安裝和維護(hù)成本低,易于推廣。該技術(shù)的實(shí)現(xiàn),可為用戶、電力公司以及設(shè)備提供參考[3]。用戶端,用戶用電信息得到反饋,提升節(jié)能意識(shí),規(guī)范用電行為。電力公司端,能提高負(fù)荷預(yù)測(cè)的精確度,實(shí)現(xiàn)有效的負(fù)荷規(guī)劃、電能調(diào)度。對(duì)設(shè)備制造商來說,可據(jù)此識(shí)別出故障或低效設(shè)備,加快技術(shù)革新,推動(dòng)高能效設(shè)備研發(fā)。

    目前,非侵入式負(fù)荷識(shí)別技術(shù)在國內(nèi)外均有研究。文獻(xiàn)[4]利用穩(wěn)態(tài)功率信息建立隱馬爾科夫模型優(yōu)化分解方法,對(duì)低頻混合功率分解得到單個(gè)設(shè)備運(yùn)行狀態(tài),但識(shí)別率不高,不能識(shí)別負(fù)荷投切時(shí)刻。文獻(xiàn)[5]利用動(dòng)態(tài)時(shí)間歸整(Dynamic Time Warping,DTW)算法計(jì)算實(shí)測(cè)電流穩(wěn)態(tài)波形和樣本庫穩(wěn)態(tài)波形的相似度來識(shí)別家用負(fù)荷,但無法識(shí)別變頻設(shè)備和且小功率設(shè)備容易誤識(shí)。文獻(xiàn)[6]提取負(fù)荷穩(wěn)態(tài)電流諧波并結(jié)合K-近鄰(K-Nearest Neighbor,K-NN)算法進(jìn)行負(fù)荷識(shí)別,為提高識(shí)別效果融入了核Fisher 判別方法,綜合了K-NN 的簡捷性和核Fisher 的非線性識(shí)別能力,但諧波信息易受外界環(huán)境影響,且小功率設(shè)備諧波易被大功率設(shè)備湮沒。文獻(xiàn)[7]中提取負(fù)荷暫態(tài)電流波形特征后,根據(jù)分類與回歸樹(Classification and Regression Trees,CART)算法訓(xùn)練決策樹算法進(jìn)行負(fù)荷識(shí)別,但決策樹結(jié)果不穩(wěn)定,類別太多錯(cuò)誤率增加會(huì)加快。文獻(xiàn)[8]以負(fù)荷開關(guān)時(shí)的獨(dú)特暫態(tài)功率波形為特征,計(jì)算測(cè)試暫態(tài)功率波形與樣本庫波形貼近度實(shí)現(xiàn)負(fù)荷識(shí)別。另外,神經(jīng)網(wǎng)絡(luò)[9-10]也是常用的負(fù)荷識(shí)別方法,但該類方法需要大量的訓(xùn)練樣本,訓(xùn)練參數(shù)多,可解釋性差,使用受到限制。由于穩(wěn)態(tài)類方法對(duì)軟硬件要求相對(duì)較低,目前大多非侵入式負(fù)荷識(shí)別方法仍然是基于穩(wěn)態(tài)的,但該類方法難以有效識(shí)別變頻設(shè)備等持續(xù)變化負(fù)荷,同時(shí),小功率設(shè)備容易被大功率設(shè)備湮沒,易受外界環(huán)境干擾。此外,無論是穩(wěn)態(tài)類還是暫態(tài)類方法,大多研究僅對(duì)特征差異明顯的設(shè)備識(shí)別效果好,一旦特征發(fā)生重疊便難以有效識(shí)別。

    綜上,文中對(duì)不同負(fù)荷投切時(shí)產(chǎn)生的暫態(tài)電流波形并提取合適的特征量進(jìn)行負(fù)荷識(shí)別,為避免設(shè)備特征重疊造成負(fù)荷無法辨識(shí)的問題,提出DAG-SVMS 負(fù)荷識(shí)別模型。為提高分類器識(shí)別準(zhǔn)確率,采用PSO 算法優(yōu)化分類器參數(shù),同時(shí),提出基于Gini 指數(shù)優(yōu)化模型節(jié)點(diǎn)順序的策略,以減少模型累積誤差。最后,采用公開數(shù)據(jù)集BLUED 進(jìn)行試驗(yàn)驗(yàn)證,結(jié)果表明提出的方法識(shí)別準(zhǔn)確率高,識(shí)別速度快,具有可行性。

    1 暫態(tài)電流特征提取

    1.1 暫態(tài)事件檢測(cè)

    將電力系統(tǒng)由一個(gè)穩(wěn)定運(yùn)行狀態(tài)過渡到另一個(gè)穩(wěn)定狀態(tài)的過程定義為暫態(tài)事件[11]。不同的用電負(fù)荷投入、切除以及運(yùn)行狀態(tài)發(fā)生改變時(shí),都會(huì)伴隨暫態(tài)事件的發(fā)生。文中使用相鄰周期電流強(qiáng)度變化量來檢測(cè)負(fù)荷暫態(tài)事件,定義第T 個(gè)周期的負(fù)荷的電流強(qiáng)度為:

    式中,K 為一個(gè)周期內(nèi)電流的采樣點(diǎn)總數(shù);i(k)為第T 個(gè)周期內(nèi)第k 個(gè)采樣點(diǎn)的電流值。

    當(dāng)電力系統(tǒng)內(nèi)部各用電負(fù)荷穩(wěn)定運(yùn)行時(shí),總線處相鄰周期的電流強(qiáng)度差值趨近于0;若某一時(shí)刻相鄰周期電流強(qiáng)度差值超過δ,則判定系統(tǒng)內(nèi)負(fù)荷發(fā)生了暫態(tài)事件,記相鄰周期中第二個(gè)周期電流起始時(shí)刻為暫態(tài)事件起始時(shí)刻。表示為:

    式中,ΔIintensity為第T 個(gè)周期與T+1 個(gè)周期電流強(qiáng)度的差值;δ 為暫態(tài)事件起始判定閾值。

    檢測(cè)到暫態(tài)事件的產(chǎn)生后,立即執(zhí)行暫態(tài)事件結(jié)束算法,表示為:

    式中,ε 為暫態(tài)過程結(jié)束的判定閾值;γ 為電流強(qiáng)度變化小于ε 的最小周期數(shù);T 為電流強(qiáng)度變化小于ε 的周期數(shù)。

    上式表達(dá)的具體含義為當(dāng)ΔIintensity小于ε 的周期個(gè)數(shù)大于γ 時(shí),則判定為負(fù)荷暫態(tài)事件結(jié)束。當(dāng)前時(shí)刻減去γ 個(gè)電流信號(hào)周期后得到暫態(tài)事件結(jié)束時(shí)刻。可見,負(fù)荷暫態(tài)過程持續(xù)時(shí)間(暫態(tài)事件結(jié)束時(shí)刻與起始時(shí)刻的差值)為工頻周期的整數(shù)倍。

    1.2 暫態(tài)過程波形分離

    檢測(cè)到暫態(tài)事件發(fā)生后,電流有效值增大的過程為負(fù)荷投入,表現(xiàn)為負(fù)荷的開啟或升檔等操作,電流有效值減小的暫態(tài)過程為負(fù)荷的切除,表現(xiàn)為負(fù)荷關(guān)閉或降檔等操作。檢測(cè)到暫態(tài)事件后,執(zhí)行如下:

    (1)根據(jù)暫態(tài)發(fā)生前后電流強(qiáng)度的變化,判定系統(tǒng)暫態(tài)事件為投入還是切除。若判定為負(fù)荷投入,執(zhí)行步驟(2)。若判定為負(fù)荷切除,執(zhí)行步驟(3)。

    (2)暫態(tài)事件電流波形與相同周期數(shù)量的暫態(tài)前的穩(wěn)態(tài)電流波形作差,去除背景波形。

    (3)暫態(tài)事件電流波形與相同周期數(shù)量的暫態(tài)后的穩(wěn)態(tài)電流波形作差,去除背景波形。

    示例見圖1。

    圖1 暫態(tài)電流波形分離

    1.3 暫態(tài)波形特征提取

    為盡可能詳細(xì)地反映各類暫態(tài)過程的特性,選擇多種特征表征暫態(tài)過程。

    (1)暫態(tài)過程持續(xù)時(shí)間T:暫態(tài)事件結(jié)束時(shí)刻與暫態(tài)事件起始時(shí)刻差值;

    (2)暫態(tài)波形取絕對(duì)最大值Ip:暫態(tài)波形取絕對(duì)值后的最大值;

    (3)峰峰值Ipp:暫態(tài)電流波形最大值與最小值之差;

    (4)平均值Imean:暫態(tài)電流波形各采樣點(diǎn)均值;

    (6)電流強(qiáng)度Iintensity:將暫態(tài)電流波形按式(1)計(jì)算電流強(qiáng)度,采樣點(diǎn)數(shù)為暫態(tài)事件電流采樣點(diǎn)數(shù);

    (7)穩(wěn)態(tài)波形有效值Irms:暫態(tài)事件前后穩(wěn)態(tài)電流強(qiáng)度差值;

    (8)峰均比Rpta:峰峰值與電流強(qiáng)度比值(Ipp/Iintensity);

    (9)波形因數(shù)Fform:電流強(qiáng)度與絕對(duì)平均值比值(Iintensity/I′mean);

    (10)波峰因數(shù)Fcrest:暫態(tài)波形取絕對(duì)最大值與電流強(qiáng)度比值(Ip/Iintensity);

    (11)負(fù)荷標(biāo)志位Iflag:根據(jù)暫態(tài)事件前后電流強(qiáng)度變化判斷負(fù)荷投切,負(fù)荷投入時(shí)為1,負(fù)荷切除時(shí)為0。

    對(duì)負(fù)荷暫態(tài)電流波形提取11 維特征,構(gòu)建樣本數(shù)據(jù)庫。圖1 特征提取如表1 所示。

    表1 特征展示

    獲取到樣本庫后,對(duì)樣本特征空間進(jìn)行歸一化處理,將負(fù)荷樣本特征壓縮至[0,1]之間,表示為:

    式中,i∈[-1,N];j∈[1,11];N為樣本個(gè)數(shù);xij為第i個(gè)樣本的第j 個(gè)特征值;xjmax為樣本中第j 個(gè)特征對(duì)應(yīng)的最大值;xjmin為樣本中第j 個(gè)特征對(duì)應(yīng)的最小值。

    2 DAG-SVMS 負(fù)荷識(shí)別模型

    非侵入式負(fù)荷識(shí)別可依據(jù)的特征多,但在實(shí)際應(yīng)用中能夠獲取的樣本較少,是典型的小樣本高維數(shù)據(jù)問題,且需要快速識(shí)別。SVM 是一種建立在統(tǒng)計(jì)學(xué)基礎(chǔ)之上的分類器,在小樣本、非線性以及高維數(shù)據(jù)的模式識(shí)別中表現(xiàn)出十分突出的特性。傳統(tǒng)的SVM 是解決二分類問題的,但實(shí)際中大多是多分類問題,因此,需要將二分類擴(kuò)展至多分類[12]。

    2.1 SVM 基本原理

    假設(shè)樣本集合:

    式中,xi為樣本數(shù)據(jù);yi為xi類標(biāo)簽;N 為樣本 個(gè)數(shù);n 為樣本維數(shù)。

    SVM 基本思想是構(gòu)造最優(yōu)超平面將不同類別的樣本分開,超平面構(gòu)造原則為距離該平面最近的樣本到該平面的間隔最大。得到優(yōu)化問題如下:

    式中,W 為超平面法向量;b 為超平面的偏移量;C 為懲罰參數(shù);εi為松弛變量。

    構(gòu)建拉格朗日函數(shù):

    式中,αi和βi為拉格朗日乘子。

    對(duì)W、b 和εi求偏導(dǎo)為0,代入式(7),得:

    求解式(8)得到分類決策面:

    稱αi>0 對(duì)應(yīng)的樣本為支持向量。

    數(shù)據(jù)樣本在低維空間不可分時(shí),可通過核函數(shù)映射到高維空間ψ:x→ψ(x),在高維空間中求解最優(yōu)線性分類超平面,將高維空間求解的線性分類超平面轉(zhuǎn)為低維分類超曲面。SVM 通過核函數(shù)巧妙地避免了由低維映射至高維帶來的維數(shù)災(zāi)難問題,解決了樣本的非線性可分問題。根據(jù)Mercer 定理,核函數(shù)要求滿足:

    大量文獻(xiàn)與試驗(yàn)結(jié)果表明,高斯核函數(shù)在模式識(shí)別問題中表現(xiàn)出優(yōu)越性能,因此,選擇高斯徑向基核函數(shù)。

    2.2 SVM 參數(shù)優(yōu)化

    2.2.1 SVM 參數(shù)影響分析

    SVM 分類性能主要受誤差懲罰參數(shù)C、核函數(shù)及其參數(shù)的影響[13]。文中SVM 性能主要受誤差懲罰參數(shù)C和高斯徑向基核核參數(shù)g 影響。C 越大表示越不能容忍誤差,分類器更加契合訓(xùn)練樣本集,易過擬合,泛化性低。C 偏小易出現(xiàn)欠擬合,訓(xùn)練誤差大,對(duì)新樣本分類變差。g 決定數(shù)據(jù)映射到高維空間的新分布,g 過大則支持向量過于緊密,支持向量少,分類器難以獲得優(yōu)質(zhì)分類性能,g 過小則支持向量關(guān)系過于松弛,支持向量多,難以保證分類器泛化性能。支持向量的數(shù)量決定了分類器復(fù)雜度。

    2.2.2 SVM 參數(shù)優(yōu)化

    PSO 算法是依據(jù)鳥群覓食行為所研究的群體協(xié)作優(yōu)化算法[14]。首先,隨機(jī)初始化M 個(gè)粒子,然后,通過迭代的方式獲得最優(yōu)解,每次迭代粒子通過跟隨個(gè)體極值pid和全局極值pgd更新速度,根據(jù)速度進(jìn)一步更新粒子下一次位置位置,并進(jìn)行適應(yīng)度評(píng)價(jià),以此迭代循環(huán),直至找到最優(yōu)解。粒子速度與位置更新公式如下:

    式中,vid為粒子的速度;xid為粒子的位置;w 為慣性權(quán)重;c1、c2為學(xué)習(xí)因子;r1、r2為均勻分布在[0,1范圍內(nèi)的隨機(jī)數(shù)。

    SVM 參數(shù)優(yōu)化框圖見圖2。

    圖2 PSO 算法優(yōu)化SVM 參數(shù)

    2.3 DAG-SVMS 算法

    假設(shè)一個(gè)含有N 個(gè)類別的數(shù)據(jù)集合,將其中任意兩類樣本構(gòu)建一個(gè)分類器得到個(gè)分類器,將這些分類器搭建為DAG 圖,將得到N(N-1)/2 分支節(jié)點(diǎn)和N 個(gè)葉節(jié)點(diǎn)。DAG-SVMS 采用“排除”的思想,樣本將隨著根節(jié)點(diǎn)從上到下流動(dòng)直至葉節(jié)點(diǎn),分支節(jié)點(diǎn)決定樣本具體被分類到左分支還是右分支,最終葉節(jié)點(diǎn)的類別就是該樣本所屬類別,完成一次分類需N-1 個(gè)節(jié)點(diǎn)。示例見圖3。

    圖3 三分類DAG-SVMS 算法

    相對(duì)于常用的1-V-1 SVM 多分類算法,DAGSVMS 識(shí)別速度更快;相對(duì)于1-V-R SVMS 多分類算法,DAG-SVMS 訓(xùn)練時(shí)間短。同時(shí)DAG-SVMS 不存在誤分、拒分區(qū)域,分類精度也有所提高。由于DAG-SVM 采取層次結(jié)構(gòu),誤差累計(jì)是層次結(jié)構(gòu)不可避免的弊端,即高層節(jié)點(diǎn)對(duì)整體樣本的分類準(zhǔn)確率影響更大。鑒于此,文中首先根據(jù)負(fù)荷標(biāo)志位,將樣本數(shù)據(jù)分為負(fù)荷的投入和切除兩部分,分別訓(xùn)練DAG-SVMS 模型,以減少DAGSVMS 層數(shù),當(dāng)系統(tǒng)采集到樣本后根據(jù)標(biāo)志位判斷樣本屬于投入還是切除,然后將樣本數(shù)據(jù)送入對(duì)應(yīng)DAGSVMS 進(jìn)行識(shí)別。下面提出基于Gini 指數(shù)的節(jié)點(diǎn)順序優(yōu)化策略。

    2.4 Gini 指數(shù)

    Gini 指數(shù)用于度量樣本數(shù)據(jù)的不純度和不確定性,表示為:

    式中,pi為D 中樣本屬于第i 類的概率;D 表示樣本數(shù)據(jù)集。

    假設(shè)樣本集被節(jié)點(diǎn)劃分為兩個(gè)子集合D1、D2,則經(jīng)過該劃分后樣本的Gini 指數(shù)降低為:

    經(jīng)過該劃分,產(chǎn)生的Gini 指數(shù)差為:

    由于Gini 指數(shù)越小樣本越有序,將劃分后的樣本Gini指數(shù)最小化,即保證劃分前后數(shù)據(jù)的Gini 指數(shù)差值最大,使劃分結(jié)果更加有序。文中對(duì)節(jié)點(diǎn)順序的優(yōu)化為:首先使用各個(gè)分類器對(duì)樣本訓(xùn)練集進(jìn)行劃分,選擇Gini 指數(shù)差值最大的節(jié)點(diǎn)作為根節(jié)點(diǎn),然后將劃分后的樣本集D1、D2分別視為獨(dú)立集,在下一層中選擇Gini 指數(shù)差值最大的分類器作為當(dāng)前節(jié)點(diǎn),以此類推,搭建DAG-SVMS 結(jié)構(gòu)。

    2.5 算法框圖

    文中算法框圖如圖4 所示,包括:數(shù)據(jù)采集、事件監(jiān)測(cè)、特征提取、負(fù)荷辨識(shí),分為辨識(shí)模型訓(xùn)練階段和在線識(shí)別兩個(gè)階段??紤]到實(shí)際用戶家庭負(fù)荷用電習(xí)慣,暫態(tài)事件過程持續(xù)時(shí)間極短,文中假設(shè)各負(fù)荷獨(dú)立,不存在多種負(fù)荷同時(shí)投切這一特殊情況。

    圖4 算法流程

    3 實(shí)驗(yàn)驗(yàn)證

    采用BLUED[15]數(shù)據(jù)集進(jìn)行仿真驗(yàn)證分析,數(shù)據(jù)來源于某家庭電力總線端口處,共采集了8 天,采樣頻率為12 kHz,包括電壓、電流數(shù)據(jù),并配備各用電設(shè)備的暫態(tài)事件投切時(shí)刻表。軟件平臺(tái)使用MATLAB2018a,輔助工具箱Libsvm3.24,硬件平臺(tái)使用Intel Core i5-4210U 2.40 GHz,4GB RAM電腦。從數(shù)據(jù)集中選取5種投切次數(shù)較多的用電設(shè)備用于實(shí)驗(yàn)驗(yàn)證,暫態(tài)事件起始判定閾值設(shè)定為功率最小負(fù)荷浴室頂燈電流強(qiáng)度的1/2,暫態(tài)過程結(jié)束的判定閾值設(shè)定為浴室頂燈電流強(qiáng)度1/5,提取11 維特征向量形成樣本數(shù)據(jù)空間。共5 種用電設(shè)備的投切,10 類暫態(tài)過程,詳見表2。

    表2 樣本數(shù)據(jù)組成

    分別從10 類暫態(tài)過程中隨機(jī)選擇60%的數(shù)據(jù)樣本用于訓(xùn)練,剩余40%樣本用于測(cè)試,執(zhí)行10 次。評(píng)價(jià)指標(biāo)選用準(zhǔn)確率:

    PSO 算法最大迭代次數(shù)設(shè)置為100,搜索空間維數(shù)d=2,初始化個(gè)體數(shù)目N=30,學(xué)習(xí)因子c1=2、c2=2,慣性權(quán)重w=0.65,粒子位置值范圍[-10,10],折疊交叉數(shù)K=5,實(shí)驗(yàn)結(jié)果如表3 所示。

    表3 負(fù)荷識(shí)別正確率

    從表3 可以看出,文中方法對(duì)各負(fù)荷投入識(shí)別率均為100%,負(fù)荷切除識(shí)別率相對(duì)偏低,這是因?yàn)樨?fù)荷切除時(shí)的暫態(tài)過程持續(xù)時(shí)間偏短,外加電力線中噪聲干擾,導(dǎo)致暫態(tài)特征區(qū)分度減弱。算法平均識(shí)別率為97.69%。

    分別使用1-V-1 SVMS、1-V-R SVMS、傳統(tǒng)DAGSVMS 以及文中優(yōu)化改進(jìn)的DAG-SVMS 算法進(jìn)行識(shí)別性能對(duì)比分析。分類器參數(shù)優(yōu)化前,使用平臺(tái)默認(rèn)參數(shù)結(jié)果如圖5 所示。從圖5 中可以看到,PSO 算法優(yōu)化后,各多分類SVM 算法識(shí)別準(zhǔn)確率均大大提高,文中DAGSVMS 優(yōu)化前后識(shí)別準(zhǔn)確率均優(yōu)于傳統(tǒng)SVMS,且波動(dòng)較小,識(shí)別結(jié)果穩(wěn)定。

    圖5 多分類SVM 算法測(cè)試結(jié)果

    多分類SVM 算法訓(xùn)練、測(cè)試結(jié)果如表4 所示,表4中,各項(xiàng)指標(biāo)由10 次實(shí)驗(yàn)結(jié)果平均得到??梢钥吹?,文中算法平均訓(xùn)練時(shí)間最短,為20.35 s,單樣本平均識(shí)別時(shí)間最快,為1.53 μs,平均識(shí)別率最高,為97.69%,均為最優(yōu)。由于文中算法在訓(xùn)練模型前,根據(jù)負(fù)荷標(biāo)志位對(duì)模型進(jìn)行了簡化處理,模型結(jié)構(gòu)簡單,訓(xùn)練時(shí)間減少。同時(shí),分類識(shí)別時(shí)所需分類器判決次數(shù)少,識(shí)別時(shí)間更快。

    表4 多分類SVM 算法訓(xùn)練、測(cè)試結(jié)果

    使用目前負(fù)荷識(shí)別領(lǐng)域常用的BP 神經(jīng)網(wǎng)絡(luò)、K-NN算法、CART 算法與文中優(yōu)化改進(jìn)DAG-SVMS 算法進(jìn)行性能對(duì)比結(jié)果如圖6 所示。

    圖6 不同算法的識(shí)別結(jié)果

    從圖6 中可以看出,文中DAG-SVMS 算法10 次實(shí)驗(yàn)結(jié)果識(shí)別準(zhǔn)確率均高于其他幾種常用算法,均保持在95%以上。進(jìn)一步整理實(shí)驗(yàn)結(jié)果,如表5 所示。

    表5 不同算法實(shí)驗(yàn)結(jié)果

    其中,K-NN 算法K 值為樣本識(shí)別準(zhǔn)確率最高情況下的對(duì)應(yīng)值,該算法直接計(jì)算樣本類別,因此,無訓(xùn)練時(shí)間??梢钥吹剑闹蟹椒▎螛颖咀R(shí)別時(shí)間仍為最短,僅為BP 神經(jīng)網(wǎng)絡(luò)的0.22%、K-NN 算法的0.26%、CART 算法的2.27%。識(shí)別準(zhǔn)確率上,平均識(shí)別率均高于其他幾種算法。從訓(xùn)練時(shí)間角度看,文中算法平均離線訓(xùn)練時(shí)間最長,為20.35 s,但實(shí)際應(yīng)用中,考慮到系統(tǒng)通信模塊、人機(jī)交互等,文中算法負(fù)荷在線識(shí)別速度快,識(shí)別準(zhǔn)確率高,故適合在線識(shí)別。

    最后,從表6 中可以看出,文中DAG-SVMS 算法在節(jié)點(diǎn)順序優(yōu)化后,平均識(shí)別準(zhǔn)確率提高1.04%百分點(diǎn),反映了節(jié)點(diǎn)順序優(yōu)化方法的有效性。

    表6 節(jié)點(diǎn)順序優(yōu)化前后對(duì)比

    4 結(jié)論

    針對(duì)穩(wěn)態(tài)類方法識(shí)別負(fù)荷的不足,文中以暫態(tài)電流為特征,提出了一種基于改進(jìn)DAG-SVMS 的非侵入式負(fù)荷識(shí)別方法。包括事件檢測(cè)、暫態(tài)波形分離、特征提取,為解決特征類似負(fù)荷的識(shí)別問題,以SVM 為分類器,搭建DAG-SVMS 負(fù)荷識(shí)別模型,同時(shí),優(yōu)化模型中的分類器參數(shù)和節(jié)點(diǎn)順序,以進(jìn)一步提高識(shí)別準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明文中算法識(shí)別準(zhǔn)確率高,識(shí)別速度最快,實(shí)用性強(qiáng),適合在線識(shí)別。

    猜你喜歡
    電流強(qiáng)度暫態(tài)分類器
    300Mvar空冷隱極同步調(diào)相機(jī)暫態(tài)特性仿真分析
    關(guān)于“恒定電流”學(xué)習(xí)中三個(gè)常見問題的剖析
    利用正交試驗(yàn)探究原電池課堂演示實(shí)驗(yàn)的最佳方案
    電力系統(tǒng)全網(wǎng)一體化暫態(tài)仿真接口技術(shù)
    電子制作(2018年14期)2018-08-21 01:38:28
    BP-GA光照分類器在車道線識(shí)別中的應(yīng)用
    北京地區(qū)的地閃分布及回?fù)舴逯惦娏鲝?qiáng)度特征
    有關(guān)電池荷電狀態(tài)的研究
    商情(2017年15期)2017-06-15 11:32:31
    除氧器暫態(tài)計(jì)算研究
    加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類
    結(jié)合模糊(C+P)均值聚類和SP-V-支持向量機(jī)的TSK分類器
    精品国产乱子伦一区二区三区| 色精品久久人妻99蜜桃| 99在线人妻在线中文字幕 | 又黄又粗又硬又大视频| 欧美激情久久久久久爽电影 | av又黄又爽大尺度在线免费看| 久久人妻av系列| 亚洲一区中文字幕在线| 免费黄频网站在线观看国产| 另类亚洲欧美激情| 国产一区二区激情短视频| a级片在线免费高清观看视频| 日韩欧美一区视频在线观看| 精品一区二区三卡| 久久精品国产a三级三级三级| av线在线观看网站| 欧美激情 高清一区二区三区| 黄色视频,在线免费观看| 久久中文字幕一级| 久久性视频一级片| 亚洲第一欧美日韩一区二区三区 | 国产亚洲av高清不卡| 欧美亚洲日本最大视频资源| 欧美av亚洲av综合av国产av| 免费黄频网站在线观看国产| 久久毛片免费看一区二区三区| 国产精品国产av在线观看| 亚洲男人天堂网一区| 免费高清在线观看日韩| 人成视频在线观看免费观看| 一级片免费观看大全| 人人妻人人澡人人看| 国产激情久久老熟女| 国产精品欧美亚洲77777| 脱女人内裤的视频| 亚洲欧洲日产国产| 黄色丝袜av网址大全| 制服人妻中文乱码| 久久热在线av| 看免费av毛片| 大片免费播放器 马上看| 我要看黄色一级片免费的| 亚洲一区中文字幕在线| 欧美日韩黄片免| 国产在线一区二区三区精| 亚洲国产看品久久| 国产精品久久久人人做人人爽| 国产欧美日韩一区二区三| 国产午夜精品久久久久久| 男女免费视频国产| 国产老妇伦熟女老妇高清| 成人18禁在线播放| 首页视频小说图片口味搜索| 成人国语在线视频| 成年女人毛片免费观看观看9 | 叶爱在线成人免费视频播放| 高清黄色对白视频在线免费看| 久久免费观看电影| 两性夫妻黄色片| aaaaa片日本免费| 欧美国产精品一级二级三级| 一级毛片女人18水好多| 成人永久免费在线观看视频 | 亚洲一卡2卡3卡4卡5卡精品中文| 色视频在线一区二区三区| 国产视频一区二区在线看| 他把我摸到了高潮在线观看 | 精品少妇内射三级| 黑人巨大精品欧美一区二区蜜桃| 国产xxxxx性猛交| 成在线人永久免费视频| e午夜精品久久久久久久| 午夜福利影视在线免费观看| tube8黄色片| 少妇裸体淫交视频免费看高清 | 精品福利永久在线观看| 夫妻午夜视频| 亚洲精品一卡2卡三卡4卡5卡| 日韩欧美一区视频在线观看| 国产成人影院久久av| 免费av中文字幕在线| 麻豆乱淫一区二区| 捣出白浆h1v1| bbb黄色大片| 亚洲成人手机| 丁香六月天网| 交换朋友夫妻互换小说| 亚洲自偷自拍图片 自拍| 国产高清视频在线播放一区| 国产在线视频一区二区| 视频区图区小说| 天天躁日日躁夜夜躁夜夜| tube8黄色片| 纵有疾风起免费观看全集完整版| 夫妻午夜视频| 精品国产超薄肉色丝袜足j| 国产一区二区三区综合在线观看| 黄色片一级片一级黄色片| 亚洲中文日韩欧美视频| 亚洲成人免费av在线播放| 中文字幕人妻丝袜制服| 国产男女内射视频| 一边摸一边做爽爽视频免费| www.999成人在线观看| 免费观看a级毛片全部| 99国产精品99久久久久| 免费黄频网站在线观看国产| 国产精品 国内视频| 99国产精品免费福利视频| 午夜福利在线观看吧| 久久热在线av| 欧美+亚洲+日韩+国产| 成在线人永久免费视频| 熟女少妇亚洲综合色aaa.| 国产精品亚洲一级av第二区| 国产在线视频一区二区| 操美女的视频在线观看| 在线 av 中文字幕| 久久天堂一区二区三区四区| 男人操女人黄网站| 色播在线永久视频| 欧美在线黄色| 一区二区三区精品91| 精品国产乱子伦一区二区三区| 自线自在国产av| 国内毛片毛片毛片毛片毛片| 2018国产大陆天天弄谢| 在线观看www视频免费| 国产一区二区激情短视频| 美女国产高潮福利片在线看| 精品亚洲成国产av| 天天操日日干夜夜撸| 国产精品免费大片| 国产精品国产高清国产av | 日韩三级视频一区二区三区| 久久99一区二区三区| 精品欧美一区二区三区在线| 国产精品亚洲一级av第二区| 捣出白浆h1v1| 成人国语在线视频| 在线观看66精品国产| 人妻一区二区av| 免费在线观看黄色视频的| 一本综合久久免费| 80岁老熟妇乱子伦牲交| 波多野结衣一区麻豆| 精品国产国语对白av| 巨乳人妻的诱惑在线观看| 最近最新免费中文字幕在线| 啦啦啦中文免费视频观看日本| 十八禁高潮呻吟视频| 国产福利在线免费观看视频| 搡老乐熟女国产| 免费在线观看影片大全网站| 国产男女超爽视频在线观看| 美女扒开内裤让男人捅视频| 国产一区二区三区视频了| 成人亚洲精品一区在线观看| 大片电影免费在线观看免费| 超碰97精品在线观看| 精品久久久久久久毛片微露脸| 日韩中文字幕视频在线看片| 亚洲精品成人av观看孕妇| 老汉色av国产亚洲站长工具| 最新在线观看一区二区三区| 国产精品免费视频内射| 欧美激情极品国产一区二区三区| 亚洲第一欧美日韩一区二区三区 | 国产成人精品无人区| 丰满人妻熟妇乱又伦精品不卡| 亚洲精品中文字幕在线视频| 日韩欧美免费精品| 久久午夜综合久久蜜桃| 国产在线一区二区三区精| 交换朋友夫妻互换小说| 啦啦啦中文免费视频观看日本| 国产深夜福利视频在线观看| 成年人免费黄色播放视频| 亚洲成人免费av在线播放| 亚洲精品国产区一区二| 一个人免费看片子| 国产91精品成人一区二区三区 | 中文字幕高清在线视频| 黑人巨大精品欧美一区二区蜜桃| 女人久久www免费人成看片| 视频区图区小说| 一区二区三区乱码不卡18| 黑人巨大精品欧美一区二区蜜桃| 19禁男女啪啪无遮挡网站| 久久久久久久精品吃奶| 十分钟在线观看高清视频www| 99九九在线精品视频| 免费观看a级毛片全部| 一本色道久久久久久精品综合| 老司机深夜福利视频在线观看| 动漫黄色视频在线观看| 精品一品国产午夜福利视频| 久久人妻熟女aⅴ| 最新在线观看一区二区三区| 国产精品久久久久成人av| 国产欧美日韩一区二区三区在线| 深夜精品福利| 麻豆av在线久日| 午夜精品久久久久久毛片777| 黑人猛操日本美女一级片| 岛国在线观看网站| 日本五十路高清| 国产一区二区激情短视频| 后天国语完整版免费观看| 亚洲精品国产色婷婷电影| 欧美激情久久久久久爽电影 | 啦啦啦免费观看视频1| 免费观看人在逋| 无人区码免费观看不卡 | 视频区欧美日本亚洲| 亚洲第一欧美日韩一区二区三区 | 亚洲一码二码三码区别大吗| 丁香六月欧美| 少妇被粗大的猛进出69影院| 久久这里只有精品19| 国产精品一区二区精品视频观看| 91成年电影在线观看| 成人18禁在线播放| 亚洲精品在线观看二区| 最新的欧美精品一区二区| 亚洲av片天天在线观看| 国产精品免费一区二区三区在线 | 久久久精品94久久精品| 涩涩av久久男人的天堂| 国产av又大| 免费在线观看视频国产中文字幕亚洲| 高清视频免费观看一区二区| 2018国产大陆天天弄谢| 国产精品av久久久久免费| 午夜老司机福利片| 色老头精品视频在线观看| 欧美日本中文国产一区发布| 国产熟女午夜一区二区三区| 搡老熟女国产l中国老女人| 午夜福利,免费看| 久久久久视频综合| 91字幕亚洲| 免费看十八禁软件| 99国产精品一区二区三区| 久久久久精品人妻al黑| 欧美国产精品一级二级三级| 国产男靠女视频免费网站| 桃红色精品国产亚洲av| 在线十欧美十亚洲十日本专区| 在线天堂中文资源库| 法律面前人人平等表现在哪些方面| 韩国精品一区二区三区| 国产免费福利视频在线观看| 老司机午夜福利在线观看视频 | 午夜精品国产一区二区电影| 午夜福利一区二区在线看| 久久久久久久久久久久大奶| 欧美黄色淫秽网站| 男男h啪啪无遮挡| av线在线观看网站| 叶爱在线成人免费视频播放| 女人精品久久久久毛片| videosex国产| 国产熟女午夜一区二区三区| 人人妻人人添人人爽欧美一区卜| 日韩中文字幕欧美一区二区| 亚洲精品一二三| 99riav亚洲国产免费| 91大片在线观看| 亚洲精品成人av观看孕妇| 国产欧美日韩一区二区三| 丝袜人妻中文字幕| 国产高清国产精品国产三级| 亚洲成人免费电影在线观看| 日本黄色日本黄色录像| 国产欧美日韩综合在线一区二区| 久久国产亚洲av麻豆专区| 亚洲精品在线观看二区| 欧美日韩亚洲综合一区二区三区_| 国产国语露脸激情在线看| 一边摸一边抽搐一进一出视频| 午夜福利免费观看在线| 怎么达到女性高潮| 一进一出好大好爽视频| 国产精品免费大片| 国产成人系列免费观看| 亚洲伊人久久精品综合| 在线亚洲精品国产二区图片欧美| 高清毛片免费观看视频网站 | 国产精品美女特级片免费视频播放器 | 十八禁网站网址无遮挡| 多毛熟女@视频| 97在线人人人人妻| 视频区图区小说| 超碰97精品在线观看| 麻豆av在线久日| 精品国产国语对白av| 日韩视频在线欧美| 欧美在线一区亚洲| 亚洲欧洲精品一区二区精品久久久| 又紧又爽又黄一区二区| 人妻一区二区av| 日本av免费视频播放| 超碰成人久久| 国产午夜精品久久久久久| 欧美国产精品一级二级三级| 丝瓜视频免费看黄片| 嫁个100分男人电影在线观看| 国产精品久久久久成人av| 99re6热这里在线精品视频| 91麻豆av在线| 好男人电影高清在线观看| 视频在线观看一区二区三区| 日韩免费高清中文字幕av| 日本黄色日本黄色录像| 成人18禁在线播放| 波多野结衣av一区二区av| 99香蕉大伊视频| 亚洲欧美日韩另类电影网站| 亚洲性夜色夜夜综合| 日本av手机在线免费观看| 国产精品香港三级国产av潘金莲| 成人手机av| 啦啦啦中文免费视频观看日本| 日本五十路高清| 人成视频在线观看免费观看| 多毛熟女@视频| 12—13女人毛片做爰片一| 免费观看人在逋| 国产亚洲午夜精品一区二区久久| 国产成人欧美| 99国产综合亚洲精品| 一级毛片电影观看| 天天躁夜夜躁狠狠躁躁| 人成视频在线观看免费观看| 淫妇啪啪啪对白视频| 男人舔女人的私密视频| 免费观看av网站的网址| 国产成人av激情在线播放| 一个人免费看片子| 一级a爱视频在线免费观看| av天堂在线播放| 国内毛片毛片毛片毛片毛片| 精品国产一区二区久久| 99国产精品一区二区三区| 欧美黑人精品巨大| 国产成人影院久久av| 亚洲 欧美一区二区三区| 亚洲成人免费av在线播放| 免费女性裸体啪啪无遮挡网站| 黑人猛操日本美女一级片| 亚洲三区欧美一区| 久久久久精品人妻al黑| 欧美黄色淫秽网站| 女同久久另类99精品国产91| 亚洲av美国av| 99久久精品国产亚洲精品| av免费在线观看网站| 国产在线视频一区二区| 大码成人一级视频| 另类精品久久| 俄罗斯特黄特色一大片| 久久国产精品人妻蜜桃| 午夜福利一区二区在线看| 夫妻午夜视频| 亚洲视频免费观看视频| 久久国产精品人妻蜜桃| 精品少妇黑人巨大在线播放| 中文字幕av电影在线播放| 欧美激情极品国产一区二区三区| 男男h啪啪无遮挡| 色94色欧美一区二区| 亚洲av片天天在线观看| 叶爱在线成人免费视频播放| 两性午夜刺激爽爽歪歪视频在线观看 | 不卡一级毛片| 亚洲一卡2卡3卡4卡5卡精品中文| 男人舔女人的私密视频| 99久久精品国产亚洲精品| 亚洲少妇的诱惑av| 亚洲第一欧美日韩一区二区三区 | 国产麻豆69| 嫩草影视91久久| 精品一区二区三区四区五区乱码| 亚洲少妇的诱惑av| 欧美一级毛片孕妇| 国产xxxxx性猛交| 欧美另类亚洲清纯唯美| 国产亚洲精品第一综合不卡| 波多野结衣一区麻豆| av不卡在线播放| 国产成人系列免费观看| 欧美日韩成人在线一区二区| 一本久久精品| 亚洲第一青青草原| 首页视频小说图片口味搜索| 美女视频免费永久观看网站| 亚洲一区二区三区欧美精品| 人人妻人人添人人爽欧美一区卜| 国产高清videossex| 日韩免费av在线播放| 精品国产乱码久久久久久男人| 成人影院久久| videos熟女内射| 国产成人影院久久av| 一本大道久久a久久精品| 精品人妻熟女毛片av久久网站| 大片电影免费在线观看免费| 91字幕亚洲| 欧美亚洲 丝袜 人妻 在线| 亚洲专区字幕在线| 日韩三级视频一区二区三区| 黑人猛操日本美女一级片| 丝袜喷水一区| 欧美日韩福利视频一区二区| 黄网站色视频无遮挡免费观看| cao死你这个sao货| 中文字幕高清在线视频| 中文字幕人妻丝袜一区二区| 国产激情久久老熟女| 亚洲少妇的诱惑av| 精品国产乱码久久久久久小说| 黑人巨大精品欧美一区二区mp4| 最近最新免费中文字幕在线| 精品国产超薄肉色丝袜足j| 午夜精品久久久久久毛片777| 韩国精品一区二区三区| 大码成人一级视频| 18禁国产床啪视频网站| 嫩草影视91久久| 黄网站色视频无遮挡免费观看| 天天添夜夜摸| 男女高潮啪啪啪动态图| 无遮挡黄片免费观看| 久久精品亚洲av国产电影网| 97人妻天天添夜夜摸| 国产有黄有色有爽视频| 国产1区2区3区精品| 欧美黑人欧美精品刺激| 色尼玛亚洲综合影院| 美女午夜性视频免费| 99久久精品国产亚洲精品| 三上悠亚av全集在线观看| 欧美乱妇无乱码| 少妇 在线观看| 一夜夜www| 色综合婷婷激情| 在线天堂中文资源库| 国产一区二区 视频在线| 一区福利在线观看| 可以免费在线观看a视频的电影网站| 自线自在国产av| 国产熟女午夜一区二区三区| 国产亚洲一区二区精品| 亚洲一区二区三区欧美精品| 国产精品国产高清国产av | 国产av一区二区精品久久| 亚洲人成伊人成综合网2020| 久久久久久人人人人人| 国产av又大| 飞空精品影院首页| 国产极品粉嫩免费观看在线| 黑人巨大精品欧美一区二区蜜桃| 亚洲人成伊人成综合网2020| 国产亚洲精品第一综合不卡| 国产精品亚洲av一区麻豆| 日本欧美视频一区| www.精华液| 一进一出好大好爽视频| 亚洲情色 制服丝袜| www.999成人在线观看| 一级毛片精品| 国产精品一区二区在线观看99| 女人爽到高潮嗷嗷叫在线视频| 狠狠婷婷综合久久久久久88av| 99国产精品一区二区三区| 亚洲国产精品一区二区三区在线| 欧美日韩av久久| 汤姆久久久久久久影院中文字幕| 国产亚洲一区二区精品| 久久精品91无色码中文字幕| 免费日韩欧美在线观看| 国产精品av久久久久免费| 久久精品国产综合久久久| 久久久国产精品麻豆| av国产精品久久久久影院| 精品少妇黑人巨大在线播放| 天堂8中文在线网| 久久av网站| 精品第一国产精品| 亚洲成人国产一区在线观看| 国产高清videossex| 考比视频在线观看| 色尼玛亚洲综合影院| 午夜福利乱码中文字幕| 亚洲精品国产一区二区精华液| 午夜福利欧美成人| 精品午夜福利视频在线观看一区 | 久久久久久久精品吃奶| 色婷婷久久久亚洲欧美| 69av精品久久久久久 | 日韩人妻精品一区2区三区| 悠悠久久av| 狂野欧美激情性xxxx| 精品乱码久久久久久99久播| 精品久久久精品久久久| 超色免费av| 日本五十路高清| av一本久久久久| 90打野战视频偷拍视频| 一二三四在线观看免费中文在| 操出白浆在线播放| 在线观看一区二区三区激情| 色视频在线一区二区三区| 精品国产乱码久久久久久男人| 国产视频一区二区在线看| 亚洲国产av影院在线观看| 考比视频在线观看| 午夜日韩欧美国产| 又大又爽又粗| 天天躁夜夜躁狠狠躁躁| 国产精品 欧美亚洲| av有码第一页| 国产精品98久久久久久宅男小说| 无人区码免费观看不卡 | 精品国产乱子伦一区二区三区| 99国产综合亚洲精品| 一二三四在线观看免费中文在| 欧美日韩福利视频一区二区| 精品一区二区三卡| 日日摸夜夜添夜夜添小说| 亚洲av日韩在线播放| 亚洲欧美激情在线| 首页视频小说图片口味搜索| 黄片小视频在线播放| 日韩免费高清中文字幕av| 99riav亚洲国产免费| 亚洲伊人色综图| 制服人妻中文乱码| 中文字幕人妻丝袜制服| 999精品在线视频| 自拍欧美九色日韩亚洲蝌蚪91| 国产一区二区三区综合在线观看| 亚洲一区中文字幕在线| 日本一区二区免费在线视频| 欧美变态另类bdsm刘玥| 99久久99久久久精品蜜桃| 最新的欧美精品一区二区| 国产亚洲精品第一综合不卡| 淫妇啪啪啪对白视频| 亚洲国产精品一区二区三区在线| 999精品在线视频| 大片电影免费在线观看免费| 国产精品.久久久| 一边摸一边抽搐一进一出视频| 女警被强在线播放| 国产欧美日韩一区二区三| 女人爽到高潮嗷嗷叫在线视频| 91国产中文字幕| 免费黄频网站在线观看国产| xxxhd国产人妻xxx| 成人av一区二区三区在线看| 极品人妻少妇av视频| 国产又爽黄色视频| 中文字幕最新亚洲高清| 亚洲性夜色夜夜综合| 丰满饥渴人妻一区二区三| 一本—道久久a久久精品蜜桃钙片| 亚洲精品一二三| 老司机深夜福利视频在线观看| 国产av又大| 99国产极品粉嫩在线观看| 美女主播在线视频| 三上悠亚av全集在线观看| 亚洲免费av在线视频| 在线亚洲精品国产二区图片欧美| 男女边摸边吃奶| 成人特级黄色片久久久久久久 | 亚洲国产中文字幕在线视频| 欧美午夜高清在线| 午夜免费鲁丝| 五月开心婷婷网| 成人永久免费在线观看视频 | 精品福利观看| 青草久久国产| 丝瓜视频免费看黄片| 久久精品国产99精品国产亚洲性色 | 成年人午夜在线观看视频| 十八禁人妻一区二区| 午夜视频精品福利| 精品一区二区三区四区五区乱码| 久久国产精品男人的天堂亚洲| 正在播放国产对白刺激| 日韩三级视频一区二区三区| 国产亚洲精品一区二区www | 国产av又大| 国产日韩欧美亚洲二区| 国产男女内射视频| 色94色欧美一区二区| 在线观看www视频免费| 2018国产大陆天天弄谢| 亚洲人成77777在线视频| 999久久久精品免费观看国产| 2018国产大陆天天弄谢| 午夜福利免费观看在线| 热re99久久精品国产66热6| 国产男女内射视频| 一二三四社区在线视频社区8| 国产在视频线精品| 视频在线观看一区二区三区| 亚洲午夜精品一区,二区,三区| 国产精品国产av在线观看| 一级毛片女人18水好多| 国产野战对白在线观看| 久久热在线av|