ty -jour a2 -Morabito，F。Au -Jiang，Lei au- li- li，jiaming au -luo，suhuai au au -west，sam au -sam au -platt，Glenn Py- 2012年DA -2012/2011/11/11/11/11/11/11/11/11/11/11/11/11/11/11/11/11/11/11/11/11/11/11/11/11/11/11/11/11/11/11/11/和基于边缘符号分析和支持向量机SP -742461 VL -2012 AB的分类 - 功率设备的能量签名分析是非感知负载监控（NILM）的核心，其中通过分析更改可获得房屋中使用的设备的详细数据在电压和电流中。本文着重于基于机器学习开发自动电力负载事件检测和设备分类。在电力负载事件检测中，本文提出了一种新的瞬态检测算法。通过转交和关闭瞬态波形分析，它可以准确检测到设备打开或关闭设备时的边缘点。提出的负载分类技术可以识别具有提高识别精度和计算速度的不同功率设备。负载分类方法由两个过程组成，包括频率特征分析和支持向量机。实验结果表明，将新的边缘检测和转换和关闭瞬态签名分析纳入尼尔姆，揭示了比传统的尼尔姆方法更多的信息。负载分类方法的识别率超过90％。 SN - 1687-9724 UR - https://doi.org/10.1155/2012/742461 DO - 10.1155/2012/742461 JF - Applied Computational Intelligence and Soft Computing PB - Hindawi Publishing Corporation KW - ER -