其他
【精彩论文】基于随机森林算法和稳态波形的非介入式工业负荷辨识
观点凝练
摘要：非介入式工业负荷的准确辨识可以获取工厂内各负荷的运行情况，有利于需求侧智能用电管理。工业负荷由于采集暂态数据建模困难、需要高精度测量设备等特点，造成辨识方法复杂难以实现。针对这种情况，提出一种利用随机森林算法和稳态波形的非介入式工业负荷辨识方法。首先，通过事件监测工业负荷功率状态变化并提取稳态波形，根据工业负荷性能不同而引起的电流波形的差异性，构建单个负荷电流稳态波形的特征数据。然后，利用稳态波形高维度数据作为样本数据，采用随机森林算法中bootstrap（自助）抽样方法和CART算法生成多组决策树。最后，通过投票法对多组决策树进投票辨识得到工业负荷类型。仿真采用某工厂的实际运行负荷数据作为样本数据，通过组合负荷方法仿真比较验证所提辨识算法的有效性和快速性。仿真结果表明：所提的辨识算法准确率达到99%以上、辨识时间3.36 s，远超过贝叶斯辨识算法的准确率63.8%、时间6.15 s，可以有效实现非介入式工业负荷辨识。
结论：本文提出的基于随机森林和稳态波形的工业负荷辨识算法，整体提高了工业负荷的识别的准确率和效率。本文算法主要以电流波形作为识别条件，以非介入方式进行工业负荷用电信息的分类辨识，电气特征信息明显，提取过程简单。采用随机森林算法，具有很好的随机性和分类效果，同时分类效率高。仿真实验结果表明：基于随机森林模型对工业负荷的识别可以克服工业负荷信息采集的困难，并且识别率达到100%，准确率和运行时间方面都优于其他的分类算法。基于随机森林和稳态波形的非介入式工业负荷辨识可为进一步分析电能消耗情况、提高负荷管理能力等提供支撑，还可为工业以及居民用户提供负荷运行状况报告、节能建议等多项合理措施。
引文信息
王健, 易姝慧, 刘俊杰, 等. 基于随机森林算法和稳态波形的非介入式工业负荷辨识[J]. 中国电力, 2022, 55(2): 82-89.WANG Jian, YI Shuhui, LIU Junjie, et al. Non-intrusive industrial load identification based on random forest algorithm and steady-state waveform[J]. Electric Power, 2022, 55(2): 82-89.往期回顾
◀【精彩论文】微电网运行模式切换下储能变流器双无源控制策略◀【精彩论文】一种新的发电设备利用水平评价指标及方法◀【精彩论文】含可再生能源与CAES电站的电热综合能源系统调度策略◀【精彩论文】市场环境下配电网分布式光储协同规划◀【征稿启事】“新型能源体系下电碳协同市场机制及优化运行”专栏征稿启事◀【征稿启事】“面向碳达峰碳中和目标的清洁高效发电技术”专题征稿启事◀【征稿启事】“新型电力系统低碳规划与运行”专栏征稿启事◀【征稿启事】“新型电力系统源网荷储灵活资源运营及关键技术”专栏征稿启事
审核：方彤
根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。