本文關(guān)鍵詞： 負荷分解 非侵入式負荷監(jiān)控 深度學(xué)習(xí) 評價指標(biāo) 能源節(jié)約　出處：《合肥工業(yè)大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：非侵入式住宅用電負荷分解方法是根據(jù)住宅中電力入口處的總用電量分解得到具體負荷的用電量和工作狀態(tài)的一種方法,其分解結(jié)果可用于指導(dǎo)用戶用電行為,進而有利于促進電力用戶節(jié)約用電、實現(xiàn)節(jié)能降耗�，F(xiàn)有的非侵入式家庭電力負荷分解算法主要根據(jù)電力負荷的電氣特征建立電力負荷模型,然后利用優(yōu)化技術(shù)或模式識別技術(shù)實現(xiàn)電力負荷的分解,方法過于單一,同時大多數(shù)研究都沒有很好地解決高噪聲、大功率非平穩(wěn)負荷波動干擾下多類負荷混合運行中的負荷分解。針對以上問題,本文提出基于深度學(xué)習(xí)的非侵入式住宅用電負荷分解方法。首先,采集住宅用電負荷總功率和各個負荷的功率,利用數(shù)據(jù)擴充技術(shù)對住宅中所選擇典型的負荷消耗數(shù)據(jù)進行擴充,以產(chǎn)生充足的數(shù)據(jù)用于訓(xùn)練,提高負荷數(shù)據(jù)深度學(xué)習(xí)網(wǎng)絡(luò)的泛化性能;其次,采用循環(huán)神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)及其變種方法建立非侵入式住宅用電負荷分解模型,利用訓(xùn)練數(shù)據(jù)和該模型自動提取負荷特征,構(gòu)建總功率和單個負荷消耗功率之間的復(fù)雜對應(yīng)關(guān)系,從而根據(jù)住宅中總功耗信息可以分解得到每個負荷的使用及消耗功率信息。最后,本文采用2016年5月最新發(fā)布的UK-DALE公開數(shù)據(jù)集作為實驗數(shù)據(jù)集對參與訓(xùn)練的住宅以及未參與訓(xùn)練的住宅分別進行實驗,采用總能量正確分類比例、召回率、精確率、F1-measure、準(zhǔn)確率以及均方根誤差六種評價指標(biāo)對所提深度模型結(jié)構(gòu)的性能進行評價。實驗結(jié)果表明所提出的基于深度學(xué)習(xí)的非侵入式住宅用電負荷分解方法可以有效地實現(xiàn)用電負荷的分解,并對負荷分解性能都得到了很大的改善,且具有較好的泛化性能。
[Abstract]:The method of non-invasive residential power load decomposition is a method to obtain the specific load consumption and working state according to the total electricity consumption at the entrance of the electric power in the residence. The results of the decomposition can be used to guide the user's electricity consumption behavior. The existing non-invasive power load decomposition algorithms are mainly based on the electrical characteristics of the power load to establish a power load model. Then using optimization technology or pattern recognition technology to achieve power load decomposition, the method is too single, and most of the research does not solve the problem of high noise. In view of the above problems, a method of non-invasive residential power load decomposition based on depth learning is proposed. Collect the total power of the residential power load and the power of each load, use the data expansion technology to expand the typical load consumption data selected in the residence, in order to generate sufficient data for training, Secondly, the cyclic neural network, convolution neural network and its variants are used to establish a non-invasive residential power load decomposition model. The training data and the model are used to extract the load characteristics automatically, and the complex corresponding relationship between the total power and the power consumed by a single load is constructed. Thus according to the total power consumption information in the house can be decomposed to obtain the usage and power consumption information of each load. Finally, In this paper, the UK-DALE open data set, which was released recently in May 2016, was used as the experimental data set to conduct experiments on the residential buildings that participated in the training and those without the training. The correct classification ratio of the total energy and the recall rate were used. The performance of the proposed depth model structure is evaluated by six evaluation indexes: accuracy, accuracy and root mean square error. The experimental results show that the proposed non-invasive power load decomposition method based on depth learning can be used in residential buildings. Effectively realize the decomposing of electric load, The load decomposition performance has been greatly improved and has better generalization performance.
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TM714

【相似文獻】

相關(guān)期刊論文 前10條

1 丁詠梅,王玉琳,楊艷;住宅用電負荷的確定[J];油氣田地面工程;2003年09期

2 李逢元;;住宅用電負荷分析[J];建筑電氣;2011年03期

3 謝永茂,雍靜;住宅用電負荷的增長趨勢——關(guān)于重慶地區(qū)住宅及小區(qū)用電調(diào)查的討論之四[J];建筑電氣;1998年03期

4 趙學(xué)俊;淺談小康住宅用電負荷的確定及計算[J];林業(yè)建設(shè);2000年03期

5 葉鋒;;普通住宅用電負荷分析與計算[J];中國新技術(shù)新產(chǎn)品;2011年06期

6 謝永茂;;住宅用電負荷的分類——關(guān)于重慶地區(qū)住宅及小區(qū)用電調(diào)查的討論之一[J];建筑電氣;1998年01期

7 阮小平,佘春梅;小康住宅用電負荷的計算與確定淺析[J];安徽機電學(xué)院學(xué)報(自然科學(xué)版);1999年03期

8 關(guān)存虎;;淺談住宅用電負荷的確定[J];電工技術(shù);1996年03期

9 喬毅民,于祥禮;住宅用電負荷的分配[J];林業(yè)科技情報;2002年01期

10 林菲;關(guān)于提高小康住宅用電負荷設(shè)計標(biāo)準(zhǔn)的建議[J];中國農(nóng)業(yè)大學(xué)學(xué)報;1997年04期

相關(guān)會議論文 前2條

1 劉建亭;劉俊鋒;;住宅電氣的布置與安全性問題的探討[A];土木建筑學(xué)術(shù)文庫(第14卷)[C];2010年

2 段憶翔;劉勇;周玫瑰;李杰;唐振濤;王琪慧;程菲;;分析化學(xué)用于非侵入式醫(yī)學(xué)診斷的相關(guān)研究及進展[A];中國化學(xué)會第28屆學(xué)術(shù)年會第9分會場摘要集[C];2012年

相關(guān)重要報紙文章 前2條

1 木子;買房問“電”問什么？[N];中國電力報;2000年

2 王小龍;英開發(fā)出非侵入式血管成像術(shù)[N];科技日報;2011年

相關(guān)博士學(xué)位論文 前2條

1 崔燦;面向智能用電的非侵入式居民負荷監(jiān)測關(guān)鍵技術(shù)研究[D];華北電力大學(xué)(北京);2017年

2 黎鵬;非侵入式電力負荷分解與監(jiān)測[D];天津大學(xué);2009年

相關(guān)碩士學(xué)位論文 前6條

1 劉然;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];重慶大學(xué);2014年

2 盛夢嬌;非侵入式電器識別算法的研究[D];中國海洋大學(xué);2015年

3 楊慶勝;非侵入式低壓用電故障監(jiān)測方法及裝置研究[D];東南大學(xué);2015年

4 李正東;安卓終端動態(tài)取證關(guān)鍵技術(shù)研究[D];北京化工大學(xué);2016年

5 牛盧璐;基于暫態(tài)過程的非侵入式負荷監(jiān)測[D];天津大學(xué);2010年

6 徐勇;非侵入式脈搏血氧檢測系統(tǒng)關(guān)鍵技術(shù)研究[D];重慶大學(xué);2008年

，

本文編號：1540749