摘要：電力設(shè)備的負荷曲線隨著時間而變化,其本質(zhì)上是時間序列數(shù)據(jù).為此提出了一種新的通過負荷曲線識別電力設(shè)備的方法,該方法在多個粒度劃分出的負載曲線上使用卷積神經(jīng)網(wǎng)絡(luò)作為基分類器構(gòu)造出一個集成學(xué)習(xí)器來提高分類精度.首先我們對原始數(shù)據(jù)進行不同粒度的劃分,得到若干不同的新數(shù)據(jù)集.其次使用這些新的數(shù)據(jù)集訓(xùn)練不同的基學(xué)習(xí)器,并根據(jù)驗證集上的精度得到不同基學(xué)習(xí)器的權(quán)重.將測試樣本按照相同的粒度劃分方式得到不同的測試數(shù)據(jù)集,使用不同的基分類器對這些測試數(shù)據(jù)集進行測試,得到對應(yīng)的預(yù)測標(biāo)簽.最后對不同基分類器預(yù)測的標(biāo)簽進行加權(quán),并選出權(quán)重最大的那個標(biāo)簽作為預(yù)測標(biāo)簽.在實際的電力負荷數(shù)據(jù)上將該模型與單個CNN模型進行對比,實驗結(jié)果表明,該模型具有更高的設(shè)備識別精度.