非侵入式負荷監(jiān)測的負荷監(jiān)測方法指的是,能夠利用安放于特殊位置的裝置,完成對整個架構內(nèi)的所有設備的識別和監(jiān)測,獲得的分解結果可不僅讓用戶直接了解各設備的用電行為,并能夠在基于用電行為,為更多的服務和技術提供龐大的數(shù)據(jù)基礎和支撐。現(xiàn)有的常用的用電設備分解方案主要通過采集的電氣設備的電氣數(shù)據(jù)轉(zhuǎn)換成電氣特征作為訓練數(shù)據(jù),同時也有包括使用頻率和使用時長等非電氣數(shù)據(jù)的結合,然后運用優(yōu)化算法或者是機器學習的模型等進行進一步的負荷監(jiān)測。但目前階段存在的問題是并沒有很好的分解方法能夠高通過單一監(jiān)測點精確地識別設備。現(xiàn)實生活中,單一的檢測方法是暫時做不到識別所有設備,所以本文將從實際出發(fā),從另一角度提出新的方案。針對以上問題,本文提出基于網(wǎng)絡拓撲的非侵入式用電負荷分解方法。首先,用電設備的電氣信息需要進行采集,利用數(shù)據(jù)生成的技術對多種復雜用電組合情況進行模擬,并產(chǎn)生充分的訓練數(shù)據(jù)。其次,使用目前相對優(yōu)秀的機器學習算法進行測試,以避免在他人研究中測試設備數(shù)量及種類的限制與本文提供設備的不同產(chǎn)生不一致的算法結果。第三,基于現(xiàn)實的使用環(huán)境,抽象出其電氣網(wǎng)絡拓撲,進而生成網(wǎng)絡拓撲結構,用于實現(xiàn)和模擬現(xiàn)實場景,并在... 

【文章來源】：廣東工業(yè)大學廣東省

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【部分圖文】：

侵入式負荷監(jiān)測基本模型

4圖 1-2 非侵入式負荷監(jiān)測基本模型Fig.1-2 Non-Intrusive Load Monitoring Model漸被人知曉后，負荷監(jiān)測和設備識別方向的研究日新月本模型邏輯[14]作為基本框架。如圖所示，該模型中包含

典型用電負荷由于家庭的豐富性，家內(nèi)設備的種類和數(shù)量都有很大的差異性，并根據(jù)個人的使慣，因此設備的總負荷有很大的隨機性和規(guī)律性。隨著科技的不斷進步和經(jīng)濟的發(fā)展，人的生活品質(zhì)越來越高，各種新的電氣設備的使用也越來越普及，對電量使缺乏了解，對有效用電顯得非常需要解決。在 2011 年， Zeifman 和 Roth 對多個家庭展開研究發(fā)現(xiàn)，一個家庭內(nèi)一般擁有的設備數(shù)量多達 40 種，這些設備的耗電分布非常廣泛，從 0W 到 3kW，運行時段也有各自的特點(24 小時分布)[38]。表 2的是平均每個用戶的用電設備的工作功率和一天的使用情況，圖 2-1 表明經(jīng)典的用戶設備的單天平均電能消耗曲線圖，原圖，將同種的負荷進行簡化，(如多個照設備并為一個照明設備)，所以圖中家庭負荷的數(shù)量上不及與 2011 年的 Zeifman 和h 研究統(tǒng)計數(shù)量。

【參考文獻】：
期刊論文
[1]非侵入式負荷監(jiān)測與分解研究綜述[J]. 程祥,李林芝,吳浩,丁一,宋永華,孫維真.  電網(wǎng)技術. 2016(10)
[2]靈活互動的智能用電展望與思考[J]. 李揚,王蓓蓓,李方興.  電力系統(tǒng)自動化. 2015(17)
[3]智能用電互動服務平臺的設計[J]. 林弘宇,張晶,徐鯤鵬,皮學軍.  電網(wǎng)技術. 2012(07)
[4]智能電網(wǎng)述評[J]. 余貽鑫,欒文鵬.  中國電機工程學報. 2009(34)
[5]智能電網(wǎng)技術綜述[J]. 陳樹勇,宋書芳,李蘭欣,沈杰.  電網(wǎng)技術. 2009(08)

博士論文
[1]非侵入式電力負荷分解與監(jiān)測[D]. 黎鵬.天津大學 2009

碩士論文
[1]混合核SVM算法在肺結節(jié)識別中的應用[D]. 朱景濤.長春工業(yè)大學 2018
[2]基于粒子群算法的電網(wǎng)經(jīng)濟調(diào)度的研究[D]. 黃巖.東北農(nóng)業(yè)大學 2018
[3]隨機森林算法的優(yōu)化研究及在文本并行分類上的應用[D]. 張鑫.南京郵電大學 2018
[4]基于粒子群算法的車載Ad hoc網(wǎng)絡路由協(xié)議優(yōu)化[D]. 龔凱.南京郵電大學 2018
[5]基于SVM和BP神經(jīng)網(wǎng)絡的短時交通流預測與實現(xiàn)[D]. 余濤.南京郵電大學 2018
[6]基于遺傳算法的大規(guī)模MIMO系統(tǒng)導頻優(yōu)化研究[D]. 高露.南京郵電大學 2018
[7]基于遺傳算法的網(wǎng)絡視頻流特征選擇與識別研究[D]. 岳全濤.南京郵電大學 2018
[8]基于改進遺傳算法的物流車輛路徑規(guī)劃方法研究與應用[D]. 儀孝展.西安理工大學 2018
[9]基于改進遺傳算法的微電網(wǎng)優(yōu)化調(diào)度[D]. 李珂明.西安理工大學 2018
[10]基于樸素貝葉斯分類器的軌道交通客流分布模型研究[D]. 汪周盼.華南理工大學 2018



本文編號：2991027