需求側(cè)的能源管理技術(shù)是智能電網(wǎng)的關(guān)鍵技術(shù),它通過減少高峰負(fù)荷期間用戶的能源需求,幫助實現(xiàn)電力能源的更有效利用。在智能電網(wǎng)和智能電表的背景下,針對傳統(tǒng)傳感器侵入式電力監(jiān)測手段投資成本高,難以推廣應(yīng)用等問題,非侵入式的電力監(jiān)測手段成為眾多學(xué)者研究的熱點。本文對非侵入式居民電力負(fù)荷監(jiān)測課題展開研究,選取了簡單高效的有功功率作為非侵入式電力負(fù)荷分解特征,其通用性更強(qiáng),適用范圍更廣,成本更低。本文研究了如何使用圖信號處理的方法進(jìn)行非侵入式電力負(fù)荷分解,通過對初始事件檢測與聚類分析,類簇合并與配對,以及設(shè)備工作狀態(tài)和設(shè)備功率序列匹配的研究過程詳細(xì)分析,并在進(jìn)行序列匹配時采用了動態(tài)時間規(guī)整(Dynamic Time Warping,DTW)算法來進(jìn)行序列匹配過程,有效的減弱了使用歐式距離匹配時因為序列漂移時產(chǎn)生的匹配失效問題并結(jié)合相關(guān)算例對本文所采用的方法進(jìn)行論證,結(jié)果表明對于提高非侵入式電力負(fù)荷分解的準(zhǔn)確率有一定的改善作用。最后還將本文的方法與相關(guān)文獻(xiàn)中的隱馬爾科夫的負(fù)荷分解方法在相同數(shù)據(jù)上進(jìn)行了對比,進(jìn)一步驗證了本文方法的有效性。雖然基于圖信號處理的負(fù)荷分解方法在低采樣率的數(shù)據(jù)上已經(jīng)取得了很好的...

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 課題研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.4 本文主要研究內(nèi)容和結(jié)構(gòu)
2 非侵入式負(fù)荷分解的基本原理
    2.1 負(fù)荷分解的定義
    2.2 負(fù)荷分解的基本流程
    2.3 設(shè)備類型
    2.4 設(shè)備特征
        2.4.1 穩(wěn)態(tài)特征
        2.4.2 暫態(tài)特征
        2.4.3 混合和非傳統(tǒng)特征
    2.5 本章小結(jié)
3 基于圖信號的非侵入式負(fù)荷分解
    3.1 圖信號處理基本理論
        3.1.1 圖信號的基本原理
        3.1.2 用于負(fù)荷分解的圖信號處理
    3.2 基于圖信號處理的非侵入式負(fù)荷分解
        3.2.1 初始事件檢測與聚類分析
        3.2.2 類簇合并與配對
        3.2.3 設(shè)備工作狀態(tài)對匹配以及功率序列生成
        3.2.4 歐式距離匹配與DTW匹配
        3.2.5 整體的算法流程和思路
    3.3 算例分析
    3.4 本章小結(jié)
4 基于混合神經(jīng)網(wǎng)絡(luò)的非侵入式負(fù)荷分解
    4.1 基本的神經(jīng)網(wǎng)絡(luò)
        4.1.1 神經(jīng)網(wǎng)絡(luò)的定義
        4.1.2 卷積神經(jīng)網(wǎng)絡(luò)
        4.1.3 循環(huán)神經(jīng)網(wǎng)絡(luò)
    4.2 基于混合神經(jīng)網(wǎng)絡(luò)的非侵入式負(fù)荷分解
        4.2.1 使用神經(jīng)網(wǎng)絡(luò)進(jìn)行負(fù)荷分解的總體思路
        4.2.2 混合神經(jīng)網(wǎng)絡(luò)的構(gòu)建過程
        4.2.3 混合神經(jīng)網(wǎng)絡(luò)的整體算法流程
    4.3 算例分析
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間主要研究成果



本文編號：3919347