《表2 3种家用负荷识别准确率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于小波特征和支持向量机的非侵入式负荷识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

首先，选取家用负荷数据的训练集和测试集，进行负荷特征提取；然后，分别对训练集和测试集提取的特征进行预处理操作，主要是进行小波去噪，以此减少电力数据中奇异值对负荷识别的影响；选取数字1、2、3作为训练集中相应负荷种类的标签，选择径向基函数（RBF） g作为SVM的核函数，设置SVM算法的参数C=100，g=100，使用训练集生成支持向量机的训练模型；最后，使用测试集在SVM的训练模型上进行家用负荷分类。由SVM进行负荷分类后，3种家用负荷识别准确率如表2所示。