摘要：为了面向新一代智能电表对不同家庭负荷感知技术的应用，提出了一种基于BP神经网络分类器增强的非侵入式负荷辨识方法。该方法针对每一个负荷特征都构建一个BP神经网络模型，然后采用Adaboost框架进行BP神经网络分类器增强。考虑到在Adaboost中每次权重分布调节与该分类器相关，且最终影响分类器性能，为此，提出采用思维进化算法对分类器内在参数进行寻优，使得每一个分类器都具有最佳的分类性能，最终通过Adaboost迭代得到一组最优的BP神经网络分类器权重系数，从而构成一个增强的分类器实现非侵入式负荷辨识。在AMPds公用数据集上仿真测试，所提方法相比于传统的Adaboost方法具有更优的辨识准确率，同时通过对比分析测试结果，验证了所提方法的有效性。

      关键词：智能电表；非侵入式；思维进化算法；Adaboost算法

      中图分类号：TM933     文献标识码：A