【摘要】：隨著世界科學技術水平和經(jīng)濟實力的不斷提高,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)代社會的兩大問題。一些研究表明,人類生產(chǎn)活動是導致這兩大問題出現(xiàn)的主要驅動力。長期以來,政府和公共機構一直在大力推進節(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,提供有關用電設備功率消耗的綜合信息可以促進潛在的節(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重要方法是非侵入式負荷監(jiān)測(Non-intrusive load monitoring,NILM),它允許根據(jù)在單個輸入端測量的總的功率消耗信號,而不是安裝多個傳感器來推斷單個用電設備的功率消耗信號。為了提高非侵入式負荷監(jiān)測的準確性和可推廣性,從而更大可能地將非侵入式負荷監(jiān)測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展、自適應的綜合模型來解決負荷分解問題,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概率模型(Additive factorial approximate maximum a posteriori,AFAMAP)。為了確保該模型適應于其他家庭,本文應用隱馬爾可夫模型(Hidden Markov model,HMM)來獲得每個用電設備的獨立負荷模型,并且將迭代模糊聚類算法用于自適應地確定隱馬爾可夫模型的運行狀態(tài)數(shù),隨后所有用電設備的負荷模型集成建立數(shù)據(jù)庫,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概率模型基于隱馬爾可夫模型構建的獨立負荷模型來分解總功率消耗信號。為了驗證該模型的有效性,本文使用開源數(shù)據(jù)集AMPds(Almanac of minutely power datasets)進行負荷分解的仿真研究,結果表明,與其他模型相比,所提出的模型分解結果更準確且效率更高。本文展開了以下四個方面的研究:(1)結合非侵入式負荷監(jiān)測的理論研究,建立基于因子隱馬爾可夫模型(Factorial hidden Markov model,FHMM)負荷分解模型。該模型通過預先設定聚類簇的數(shù)量,即隱馬爾可夫模型運行狀態(tài)數(shù)量,使用k均值聚類方法(k-means)確定運行狀態(tài)對應的功率消耗,然后基于隱士馬爾可夫模型對單個用電設備進行建模,最后用因子隱馬爾可夫模型進行分解得到最終的分解結果。選擇6種常用的用電設備作為研究對象,分析該方法的有效性。(2)為了提高非侵入式負荷監(jiān)測的可推廣性,本文提出了迭代模糊聚類算法來自適應的確定運行狀態(tài)數(shù)和對應的功率,同樣選擇6種常用的用電設備作為研究對象,分析該方法的有效性。同時為了驗證迭代模糊聚類算法選取的運行狀態(tài)數(shù)量的最優(yōu)性,逐一改變6個用電狀態(tài)的運行狀態(tài)數(shù)量,依次分析準確性。(3)本文為了進一步提高非侵入式負荷監(jiān)測的準確率和效率,摒棄了傳統(tǒng)的因子隱馬爾可夫模型來對總的功率消耗信號進行分解,采用結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)勢的可加性因子近似最大后驗概率模型進行負荷分解。鑒于可加性因子近似最大后驗概率模型帶來了繁冗的計算量,本文提出了具有自適應閾值的非重疊窗口技術來判斷待分解窗口是否發(fā)生狀態(tài)改變,只對發(fā)生狀態(tài)改變的窗口執(zhí)行分解,最終展開仿真實驗進行對比。(4)為了更好的將非侵入式負荷監(jiān)測應用于實際中,本文除了對單個用電設備建立負荷模型,同時考慮在噪聲場景下建立了Row(Rest of world)模型,最后用可加性因子近似最大后驗概率模型對實際的總功率消耗信號進行負荷分解。
【學位授予單位】：華南理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TM714

【參考文獻】

相關期刊論文 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荷識別模型研究[J];電氣應用;2015年S1期

2 師海軍;;淺論電力調(diào)度負荷監(jiān)測技術[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荷識別方法[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荷監(jiān)測與分解技術[J];南方電網(wǎng)技術;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荷識別[J];電力系統(tǒng)自動化;2013年09期

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

7 季柳金;許錦峰;徐楠;;能耗監(jiān)測系統(tǒng)及分項計量技術的應用與研究[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[J];投資北京;2008年04期

9 李金鎧;循環(huán)經(jīng)濟:能源消費與經(jīng)濟增長和諧發(fā)展的戰(zhàn)略選擇[J];財經(jīng)論叢(浙江財經(jīng)學院學報);2005年05期

10 楊文培;能源發(fā)展與經(jīng)濟增長互動關系探討[J];煤炭經(jīng)濟研究;2005年01期

相關碩士學位論文 前6條

1 張志豪;基于穩(wěn)態(tài)特征的非侵入式負荷辨識系統(tǒng)的設計與實現(xiàn)[D];電子科技大學;2018年

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

3 周晨軼;基于神經(jīng)網(wǎng)絡模式識別的非侵入式負荷監(jiān)測方法研究[D];華北電力大學(北京);2017年

4 李春元;電能替代在終端能源消費市場的競爭力研究[D];蘭州理工大學;2016年

5 劉博;非侵入式電力負荷監(jiān)測與分解技術[D];天津大學;2014年

6 姚志成;國際市場智能電表軟件設計[D];華北電力大學;2012年

，

本文編號：2710454