首先,本文實際測量了不同組合負荷的電氣量數(shù)據(jù),并逐一對電流、功率、諧波三類特征在不同負荷上的表現(xiàn)做了細致的分析。然后對采集到的數(shù)據(jù)集進行數(shù)據(jù)預處理與特征選擇,通過皮爾森相關系數(shù)、隨機森林重要度評估、主成分分析和小波除噪幾種方法過濾掉無效的樣本特征變量并篩選出更合適的特征變量。其次,針對目前居民負荷識別存在的問題,本文提出了一種基于多標簽隨機森林的非侵入式負荷識別方法。首先采用多標簽技術對傳統(tǒng)隨機森林進行改編,通過構建多標簽CART決策樹組成多標簽隨機森林,接著然后對多標簽隨機森林進行優(yōu)化和調(diào)參,使模型能夠達到一個較好的狀態(tài)。該算法支持多標簽數(shù)據(jù)集,可以較好地處理復雜情況下的負荷識別問題,進一步擴展了傳統(tǒng)樹類算法的適用范圍。仿真測試結(jié)果表明該負荷識別方法快速高效,識別精度極高,泛化能力強,抗噪性能優(yōu)越,訓練成本低,對比單標簽隨機森林及其他算法有很大的優(yōu)點,有助于非侵入式居民負荷識別的進一步研究、應用和推廣。再次,本文還將深度森林這一新興的算法首次應用到負荷識別上來,并取得了較好的識別效果。深度森林在性能上媲美深度神經(jīng)網(wǎng)絡,但訓練成本更低,而且相比深度神經(jīng)網(wǎng)絡需要更少的超參數(shù),即便在默認參... 

【文章來源】：中國礦業(yè)大學江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：96 頁

【學位級別】：碩士

【部分圖文】：

負荷識別的一般流程圖

碩士學位論文4負荷數(shù)量有限的環(huán)境，負荷識別算法能夠高效地應用。對于負荷數(shù)量負，負荷種類和狀態(tài)復雜的場景，使用深度神經(jīng)網(wǎng)絡的負荷分解算法可能更為適用。圖1-2負荷分解的一般流程圖Figure1-2Generalflowchartofloaddisaggregation1.2國內(nèi)外研究現(xiàn)狀（Researchstatusathomeandabroad）1.2.1國內(nèi)研究現(xiàn)狀國內(nèi)相關的研究大多數(shù)集中于負荷識別工作，還有一部分專注于事件檢測的相關工作，研究者們一般會從負荷識別中的特征數(shù)據(jù)的提取和選擇以及識別模型和算法這兩個主要部分進行創(chuàng)新和提升。從事負荷分解相關方面的研究較少，但隨著最近兩年負荷分解熱潮的興起，越來越多的研究者把目光從負荷識別轉(zhuǎn)到了負荷分解方向。在研究現(xiàn)狀方面，文獻[22]綜述了目前國內(nèi)外在非侵入式負荷監(jiān)測方面的研究進展，按基本原理、流程步驟、重要算法、指標衡量的順序進行詳細的論述，簡要說明了這一方向在智能電網(wǎng)中的一些實踐應用，并指出了非侵入式負荷監(jiān)測未來可能的研究方向。特征的提娶處理與選擇方面，文獻[23]通過提取負荷電流的波形特征得到了較為精確的結(jié)果。文獻[24]不采用穩(wěn)態(tài)數(shù)據(jù)作為特征，而把負荷開關時的暫態(tài)波形和功率變化值這些暫態(tài)數(shù)據(jù)作為特征，并將數(shù)據(jù)庫分為大功率和小功率兩個子數(shù)據(jù)庫，大大縮小了匹配范圍，間接提升了準確率，最后采用歐氏距離作為度量相似性進行識別。文獻[25]對暫態(tài)電流進行離散S變換，把諧波的幅值作為作為特征進行識別，但該方法會因特征電流信息提取不充分導致識別率較低。文獻[26]提取了暫態(tài)電流均值、方差等多維數(shù)據(jù)波形作為識別特征。適用于數(shù)據(jù)相差較大的識別場景，不易識別出相似的負荷。文獻[27]將倒譜分析引入到了特征選擇之中，把負荷的電流波形的倒譜系數(shù)添加進了負荷識別的特征，最后采用決策樹模?

2負荷特征采集與分析132.2負荷特征分析（Loadcharacteristicanalysis）2.2.1電壓和頻率特征說明從圖2-1頻率折線圖可以看出，頻率的波動范圍極小，頻率的最小值為49.954Hz，最大值為50.044Hz。以50Hz市電為標準進行計算，波動的變化范圍在-0.092%到+0.088%之間，可以認為頻率是一個環(huán)境定值，基本不受負荷影響，因此頻率不能作為區(qū)分負荷的特征。圖2-1頻率折線圖Figure2-1Linechartoffrequency電壓特征還存在不同國家都不同的情況，我國的電壓標準是220V，中國香港、德國、法國、英國等多數(shù)歐洲國家是230V，美國和加拿大則是120V，中國臺灣是110V，日本是100V。因此，考慮到不同數(shù)據(jù)集的電壓標準可能存在不同，對待電壓特征的處理辦法有兩種，一種是將不同標準的電壓進行標準化的換算，另一種則是根據(jù)實際情況不把電壓列為負荷的特征。如果將電壓進行標準化的換算，由于有功功率是固定不變的，所以電流值特征也勢必會跟著進行變動，這會進一步增大計算量。同樣地，從圖2-2電壓有效值折線圖可以看出，電壓的波動雖然較頻率相對來說大了一些，但整體波動范圍仍然較小，電壓有效值的最小值為220.58V，最大值為232.735V。以市電220V為標準進行計算，波動的變化范圍在+0.26%到+5.789%之間。圖2-2電壓有效值折線圖Figure2-2Linechartofeffectivevalueofvoltage

【參考文獻】：
期刊論文
[1]基于改進遺傳算法的非侵入式電器負荷識別[J]. 徐琳,丁理杰,林瑞星.  沈陽工業(yè)大學學報. 2019(01)
[2]基于廣義回歸神經(jīng)網(wǎng)絡的非侵入式負荷識別方法[J]. 江帆,楊洪耕.  電測與儀表. 2020(03)
[3]基于小波設計和數(shù)據(jù)挖掘算法協(xié)同訓練的非侵入式負載識別[J]. 周步祥,張致強,袁岳,劉治凡,廖敏芳.  電測與儀表. 2019(04)
[4]基于DTW算法的非侵入式家居負荷行為識別方法[J]. 華亮亮,黃偉,楊子力,王鈺,張可佳.  電測與儀表. 2019(14)
[5]基于監(jiān)督學習的非侵入式負荷監(jiān)測算法比較[J]. 涂京,周明,宋旭帆,周光東,李庚銀.  電力自動化設備. 2018(12)
[6]基于云平臺的非侵入式負荷監(jiān)測與識別系統(tǒng)[J]. 陳彭鑫,仲思東.  電子技術應用. 2018(09)
[7]基于非侵入式負荷監(jiān)測的居民用電行為分析[J]. 周明,宋旭帆,涂京,李庚銀,欒開寧.  電網(wǎng)技術. 2018(10)
[8]非侵入式負荷識別中的小波去噪分析[J]. 陳柯豪,王燕祥,宣磊,沈國富,劉明.  云南電力技術. 2018(04)
[9]基于改進聚類和DTW的非侵入式負荷識別[J]. 王丹,黃小莉.  信息通信. 2018(07)
[10]一種基于倒譜分析的非侵入式負荷監(jiān)測方法[J]. 詹航,竺紅衛(wèi),朱領軍.  電子技術. 2018(05)

博士論文
[1]智能電網(wǎng)中基于負荷分析的需求側(cè)管理體系發(fā)展研究[D]. 郭皓池.華北電力大學 2014

碩士論文
[1]非侵入式負荷分解算法的綜合研究[D]. 李雨軒.北京交通大學 2016
[2]結(jié)合改進最近鄰法與支持向量機的住宅用電負荷識別研究[D]. 劉然.重慶大學 2014
[3]神經(jīng)網(wǎng)絡在學生公寓用電負荷識別中的應用研究[D]. 鄭宇.重慶大學 2007



本文編號：2954758