一种家用负荷的非侵入式识别方法研究

摘要

非侵入式负荷识别是高级电力量测系统的首要环节，对智能电网的建设具有重要意义。为解决传统非侵入式负荷识别算法识别速度慢、准确率低的问题，提出一种基于麻雀搜索算法（SSA）优化极限学习机（ELM）的非侵入式负荷识别方法。该方法通过SSA获取ELM隐含层的最优输入权值和阈值，构建出SSA-ELM非侵入式负荷识别模型。在实际采集的6种常用家庭负荷数据集上对该模型进行负荷识别实验，结果表明，基于SSA-ELM的非侵入式负荷识别算法的识别准确率为96.1%，优于传统的ELM（86.3%）和BP神经网络算法（91.8%）。基于SSA-ELM的非侵入式负荷识别算法能有效应用于家庭用电负荷的识别中。

0 引言

为了应对全球气候变化挑战、解决环境污染危机，我国在2021