《表2 3种家用负荷识别准确率》
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。
图表编号 | XD00186345700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.01 |
作者 | 杜刃刃、杨超、王华勇 |
绘制单位 | 贵州大学电气工程学院、贵州大学电气工程学院、南瑞集团有限公司国网电力科学研究院有限公司、国电南瑞科技股份有限公司 |
更多格式 | 高清、无水印(增值服务) |