侯文浩，凌云，2*，徐敬成，黄文威

(1. 湖南工业大学电气与信息工程学院，湖南 株洲 412007；2. 电传动控制与智能装备湖南省重点实验室，湖南 株洲　412007)

0　引言

随着用电设备的日益增加和对用电设备的监控能力不足，加强建设电器类型识别的技术十分必要。目前，主流的电器负载性质识别方法包括基于负载功率综合系数算法的电器负载识别方法[1]、基于电磁感应的电器负载识别方法、基于神经网络算法的电器负载识别方法、基于周期性离散变换算法的电器负载识别方法等。各种方法均能够在一定程度上实现电器负载性质的识别，但是还是有识别手段单一，结构复杂等问题。

1　组合分类器的电器识别方式

利用决策树分类器具有需要训练时间相对较少和贝叶斯分类器具有高精度和高效率的特点，使用决策树和贝叶斯分类器相结合的组合分类器电器类型识别方法[2-5]。并且为了尽量减小误差和电磁干扰对实验的影响，本文提出采用电器的负载电流频谱特征作为分类的参考依据，用快速傅里叶积分对负载电流进行积分，并且为了减少由于电网电压不稳定造成电流幅值的变化，从而对实验结果产生影响，所以实验数据采用的是谐波幅值比而不是谐波幅值。并同同时采用决策树分类器和贝叶斯分类器的组合分类器作为分类的方法，先用决策树分类器对负载电器进行初步识别，然后再用贝叶斯分类器对负载电器进行精确分类，从而达到提高分类精确度的目的[6-7]。……