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