一种集成GRU和随机森林的非侵入式负荷辨识方法

本发明公开了一种集成GRU和随机森林的非侵入式负荷辨识方法，包括：收集各单电器的电流、有功功率和无功功率的训练数据，聚类得到工作状态集；构造状态分类GRU深度神经网络TAGRU并训练，得到工作状态分类GRU模型；构造状态分类随机森林并训练，得到工作状态分类随机森林模型；采集总电表工作时的电流、有功功率和无功功率的数据，分类得到工作状态类别；集成工作状态分类GRU模型和工作状态分类随机森林模型的结果，得到优化后的工作状态类别。该方法具有更高的状态识别准确率，基于1分钟采样一次的低频非侵入式采样数据，无需对电表进行硬件改造，极大地节约了成本，适用于智能家居能效管理等应用场景，应用和推广前景广阔。