基于改进kNN算法的非侵入式负荷识别方法

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.