基于超参数优化算法的量测数据非侵入式辨识方法

本发明的实施例提供了基于超参数优化算法的量测数据非侵入式辨识方法。所述方法包括构建原始特征集合；利用预测值变化量计算特征重要度，对特征进行排序，进行前向特征选择，将选择的特征添加至特征子集；当所有特征均添加至特征子集时，利用分类器输出最优特征子集；构建CatBoost模型，初始化参数，并确定搜索范围；将最优特征子集作为输入，利用BOHB超参数优化算法在搜索范围内对CatBoost模型的参数进行搜索，确定该模型的最优超参数，得到BOHB‑CatBoost模型；将数据输入该模型，得到辨识结果。以此方式，可以精准地确定CatBoost的超参数最优值，使模型在工业负荷辨识任务中达到更好的性能表现，从而提高对工业负荷状态的辨识精度，克服传统优化方法难以找到最优超参数的局限。