發(fā)布時(shí)間：2020-06-13 01:59

【摘要】：隨著世界科學(xué)技術(shù)水平和經(jīng)濟(jì)實(shí)力的不斷提高,終端能源中電能的比例越來越大,已經(jīng)成為人們不可或缺的重要元素。而由于全球變暖和能源短缺已成為現(xiàn)代社會(huì)的兩大問題。一些研究表明,人類生產(chǎn)活動(dòng)是導(dǎo)致這兩大問題出現(xiàn)的主要驅(qū)動(dòng)力。長(zhǎng)期以來,政府和公共機(jī)構(gòu)一直在大力推進(jìn)節(jié)能減排。因此,有效利用電能將帶來顯著的節(jié)能效果。研究表明,提供有關(guān)用電設(shè)備功率消耗的綜合信息可以促進(jìn)潛在的節(jié)能20%以上。功率消耗信息的可用性為電力系統(tǒng)操作和調(diào)度以及電網(wǎng)規(guī)劃提供了顯著的益處。因此,提供功率消耗信息的技術(shù)可以極大程度上提高資產(chǎn)利用率和能源效率。而獲取和分析功率消耗信息的一個(gè)重要方法是非侵入式負(fù)荷監(jiān)測(cè)(Non-intrusive load monitoring,NILM),它允許根據(jù)在單個(gè)輸入端測(cè)量的總的功率消耗信號(hào),而不是安裝多個(gè)傳感器來推斷單個(gè)用電設(shè)備的功率消耗信號(hào)。為了提高非侵入式負(fù)荷監(jiān)測(cè)的準(zhǔn)確性和可推廣性,從而更大可能地將非侵入式負(fù)荷監(jiān)測(cè)推廣到所有安裝智能電表的居民用戶。本文提出了一種可擴(kuò)展、自適應(yīng)的綜合模型來解決負(fù)荷分解問題,該模型采用基于迭代模糊聚類算法(Iterative fuzzy c-cluster,IFCM)的可加性因子近似最大后驗(yàn)概率模型(Additive factorial approximate maximum a posteriori,AFAMAP)。為了確保該模型適應(yīng)于其他家庭,本文應(yīng)用隱馬爾可夫模型(Hidden Markov model,HMM)來獲得每個(gè)用電設(shè)備的獨(dú)立負(fù)荷模型,并且將迭代模糊聚類算法用于自適應(yīng)地確定隱馬爾可夫模型的運(yùn)行狀態(tài)數(shù),隨后所有用電設(shè)備的負(fù)荷模型集成建立數(shù)據(jù)庫(kù),以便其他居民用戶的使用。最后,利用可加性因子近似最大后驗(yàn)概率模型基于隱馬爾可夫模型構(gòu)建的獨(dú)立負(fù)荷模型來分解總功率消耗信號(hào)。為了驗(yàn)證該模型的有效性,本文使用開源數(shù)據(jù)集AMPds(Almanac of minutely power datasets)進(jìn)行負(fù)荷分解的仿真研究,結(jié)果表明,與其他模型相比,所提出的模型分解結(jié)果更準(zhǔn)確且效率更高。本文展開了以下四個(gè)方面的研究:(1)結(jié)合非侵入式負(fù)荷監(jiān)測(cè)的理論研究,建立基于因子隱馬爾可夫模型(Factorial hidden Markov model,FHMM)負(fù)荷分解模型。該模型通過預(yù)先設(shè)定聚類簇的數(shù)量,即隱馬爾可夫模型運(yùn)行狀態(tài)數(shù)量,使用k均值聚類方法(k-means)確定運(yùn)行狀態(tài)對(duì)應(yīng)的功率消耗,然后基于隱士馬爾可夫模型對(duì)單個(gè)用電設(shè)備進(jìn)行建模,最后用因子隱馬爾可夫模型進(jìn)行分解得到最終的分解結(jié)果。選擇6種常用的用電設(shè)備作為研究對(duì)象,分析該方法的有效性。(2)為了提高非侵入式負(fù)荷監(jiān)測(cè)的可推廣性,本文提出了迭代模糊聚類算法來自適應(yīng)的確定運(yùn)行狀態(tài)數(shù)和對(duì)應(yīng)的功率,同樣選擇6種常用的用電設(shè)備作為研究對(duì)象,分析該方法的有效性。同時(shí)為了驗(yàn)證迭代模糊聚類算法選取的運(yùn)行狀態(tài)數(shù)量的最優(yōu)性,逐一改變6個(gè)用電狀態(tài)的運(yùn)行狀態(tài)數(shù)量,依次分析準(zhǔn)確性。(3)本文為了進(jìn)一步提高非侵入式負(fù)荷監(jiān)測(cè)的準(zhǔn)確率和效率,摒棄了傳統(tǒng)的因子隱馬爾可夫模型來對(duì)總的功率消耗信號(hào)進(jìn)行分解,采用結(jié)合加法因子隱馬爾可夫模型(Addictive factorial hidden Markov model,AFHMM)和減法因子隱馬爾可夫模型(Difference factorial hidden Markov model,DFHMM)兩者優(yōu)勢(shì)的可加性因子近似最大后驗(yàn)概率模型進(jìn)行負(fù)荷分解。鑒于可加性因子近似最大后驗(yàn)概率模型帶來了繁冗的計(jì)算量,本文提出了具有自適應(yīng)閾值的非重疊窗口技術(shù)來判斷待分解窗口是否發(fā)生狀態(tài)改變,只對(duì)發(fā)生狀態(tài)改變的窗口執(zhí)行分解,最終展開仿真實(shí)驗(yàn)進(jìn)行對(duì)比。(4)為了更好的將非侵入式負(fù)荷監(jiān)測(cè)應(yīng)用于實(shí)際中,本文除了對(duì)單個(gè)用電設(shè)備建立負(fù)荷模型,同時(shí)考慮在噪聲場(chǎng)景下建立了Row(Rest of world)模型,最后用可加性因子近似最大后驗(yàn)概率模型對(duì)實(shí)際的總功率消耗信號(hào)進(jìn)行負(fù)荷分解。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TM714

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙云;錢斌;王科;李秋碩;孫宇軍;;基于特征相似度的非侵入式用電負(fù)荷識(shí)別模型研究[J];電氣應(yīng)用;2015年S1期

2 師海軍;;淺論電力調(diào)度負(fù)荷監(jiān)測(cè)技術(shù)[J];電子制作;2014年04期

3 李靜;楊洪耕;;一種用于家用智能電表的負(fù)荷識(shí)別方法[J];現(xiàn)代電力;2013年05期

4 余貽鑫;劉博;欒文鵬;;非侵入式居民電力負(fù)荷監(jiān)測(cè)與分解技術(shù)[J];南方電網(wǎng)技術(shù);2013年04期

5 高云;楊洪耕;;基于暫態(tài)特征貼近度匹配的家用負(fù)荷識(shí)別[J];電力系統(tǒng)自動(dòng)化;2013年09期

6 鄭明明;陳碩;;建筑能耗監(jiān)測(cè)平臺(tái)的研究[J];建筑節(jié)能;2009年09期

7 季柳金;許錦峰;徐楠;;能耗監(jiān)測(cè)系統(tǒng)及分項(xiàng)計(jì)量技術(shù)的應(yīng)用與研究[J];建筑節(jié)能;2009年08期

8 趙雷;;可再生能源發(fā)展“十一五”規(guī)劃出臺(tái)[J];投資北京;2008年04期

9 李金鎧;循環(huán)經(jīng)濟(jì):能源消費(fèi)與經(jīng)濟(jì)增長(zhǎng)和諧發(fā)展的戰(zhàn)略選擇[J];財(cái)經(jīng)論叢(浙江財(cái)經(jīng)學(xué)院學(xué)報(bào));2005年05期

10 楊文培;能源發(fā)展與經(jīng)濟(jì)增長(zhǎng)互動(dòng)關(guān)系探討[J];煤炭經(jīng)濟(jì)研究;2005年01期

相關(guān)碩士學(xué)位論文 前6條

1 張志豪;基于穩(wěn)態(tài)特征的非侵入式負(fù)荷辨識(shí)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2018年

2 姜波;基于深度學(xué)習(xí)的非侵入式住宅用電負(fù)荷分解方法[D];合肥工業(yè)大學(xué);2017年

3 周晨軼;基于神經(jīng)網(wǎng)絡(luò)模式識(shí)別的非侵入式負(fù)荷監(jiān)測(cè)方法研究[D];華北電力大學(xué)(北京);2017年

4 李春元;電能替代在終端能源消費(fèi)市場(chǎng)的競(jìng)爭(zhēng)力研究[D];蘭州理工大學(xué);2016年

5 劉博;非侵入式電力負(fù)荷監(jiān)測(cè)與分解技術(shù)[D];天津大學(xué);2014年

6 姚志成;國(guó)際市場(chǎng)智能電表軟件設(shè)計(jì)[D];華北電力大學(xué);2012年

，

本文編號(hào)：2710454