非侵入式電力負荷識別通過對進戶端總線的電壓、電流等負荷數(shù)據(jù)的采集、分析,完成電力負荷能耗信息的獲取,對電力公司和用戶而言,可引導(dǎo)用戶參與電網(wǎng)“削峰填谷”的措施,以此提高電能使用效率。這為智能電網(wǎng)的發(fā)展提供數(shù)據(jù)支持,具有重要的社會經(jīng)濟效益。本文設(shè)計了非侵入式電力負荷監(jiān)測裝置,并采集了常見的實驗室電力負荷的工作電壓、電流、有功功率等波形數(shù)據(jù),在分析電力負荷特征的基礎(chǔ)上,分別利用基于滑動窗的CUSUM算法與ELM模型進行電力負荷投切事件檢測和電力負荷類型識別,主要工作與成果如下:⑴針對電力負荷數(shù)據(jù)實時采集的需求,設(shè)計了一種基于HLW8112的非侵入式電力負荷監(jiān)測裝置。裝置通過采樣電阻和HLW8112單相電能計量芯片進行電流、電壓等電力負荷數(shù)據(jù)采集,采用STM32F103微處理器進行電力負荷特性值的計算處理,并通過Wi Fi無線通信模塊上傳到上位機。實驗結(jié)果表明該裝置能對單負荷和多負荷工況實現(xiàn)監(jiān)測。⑵采集了電力負荷的瞬時電流有效值、瞬時無功功率、瞬時有功功率波形數(shù)據(jù),并設(shè)計了自適應(yīng)高斯濾波對數(shù)據(jù)進行預(yù)處理,在分析電力負荷穩(wěn)態(tài)及暫態(tài)電氣特性的基礎(chǔ)上,提取了6個負荷特征。⑶采用基于滑動窗的CUSU... 

【文章來源】：浙江工業(yè)大學(xué)浙江省

【文章頁數(shù)】：70 頁

【學(xué)位級別】：碩士

【部分圖文】：

電力負荷監(jiān)測環(huán)境Figure5-1.Themonitoringenvironmentofpowerload

浙江工業(yè)大學(xué)碩士學(xué)位論文46圖5-2裝置的電源模塊和數(shù)據(jù)采集模塊實物圖Figure5-2.Thephysicaldiagramofthepowermoduleanddataacquisitionmoduleofthedevice圖5-3裝置的主控模塊和通信模塊實物圖Figure5-3.Thephysicaldrawingofthemaincontrolmoduleandcommunicationmoduleofthedevice5.1.2仿真實驗環(huán)境本文利用MATLABR2017a對基于ELM的電力負荷識別模型進行訓(xùn)練，硬件平臺為Intel(R)Corei5-8250UCPU@1.6GHz、12G內(nèi)存以及GeForce@MX150（2G獨立顯存）的64位計算機。實驗仿真所設(shè)計的具體程序是通過M語言完成的，該語言簡化了繁瑣的程序代碼設(shè)計。MATLAB具有豐富的數(shù)學(xué)函數(shù)，只需簡單的調(diào)用即可。MATLAB具有以下特點：⑴代碼編寫效率高⑵用戶使用方便⑶語言簡單，內(nèi)涵豐富

浙江工業(yè)大學(xué)碩士學(xué)位論文46圖5-2裝置的電源模塊和數(shù)據(jù)采集模塊實物圖Figure5-2.Thephysicaldiagramofthepowermoduleanddataacquisitionmoduleofthedevice圖5-3裝置的主控模塊和通信模塊實物圖Figure5-3.Thephysicaldrawingofthemaincontrolmoduleandcommunicationmoduleofthedevice5.1.2仿真實驗環(huán)境本文利用MATLABR2017a對基于ELM的電力負荷識別模型進行訓(xùn)練，硬件平臺為Intel(R)Corei5-8250UCPU@1.6GHz、12G內(nèi)存以及GeForce@MX150（2G獨立顯存）的64位計算機。實驗仿真所設(shè)計的具體程序是通過M語言完成的，該語言簡化了繁瑣的程序代碼設(shè)計。MATLAB具有豐富的數(shù)學(xué)函數(shù)，只需簡單的調(diào)用即可。MATLAB具有以下特點：⑴代碼編寫效率高⑵用戶使用方便⑶語言簡單，內(nèi)涵豐富

【參考文獻】：
期刊論文
[1]服務(wù)于用電設(shè)備的快速辨識邊沿檢測方法研究[J]. 曲禾笛,李堅,張志豪,張真源,黃琦.  中國電機工程學(xué)報. 2018(15)
[2]非侵入負荷監(jiān)測裝置及其工程應(yīng)用研究[J]. 徐彤,李永超,楊宇全,謝浩,殷博,周靜,宋杰.  電子測量技術(shù). 2018(03)
[3]基于DTW算法與穩(wěn)態(tài)電流波形的非侵入式負荷辨識方法[J]. 祁兵,董超,武昕,崔高穎.  電力系統(tǒng)自動化. 2018(03)
[4]一種融合加權(quán)ELM和AdaBoost的交通標(biāo)志識別算法[J]. 徐巖,王權(quán)威,韋鎮(zhèn)余.  小型微型計算機系統(tǒng). 2017(09)
[5]基于信號稀疏化欠定求解的居民用戶非侵入式負荷分解算法[J]. 武昕,韓笑.  電網(wǎng)技術(shù). 2017(09)
[6]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(shù). 2016(10)
[7]基于開啟瞬時負荷特征的家電負荷識別[J]. 曲朝陽,于華濤,郭曉利.  電工技術(shù)學(xué)報. 2015(S1)
[8]基于多尺度小波分解的家用負荷分類計量[J]. 高云,楊洪耕.  電力系統(tǒng)及其自動化學(xué)報. 2015(07)
[9]非侵入式居民電力負荷監(jiān)測與分解技術(shù)[J]. 余貽鑫,劉博,欒文鵬.  南方電網(wǎng)技術(shù). 2013(04)
[10]基于暫態(tài)特征貼近度匹配的家用負荷識別[J]. 高云,楊洪耕.  電力系統(tǒng)自動化. 2013(09)

博士論文
[1]前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計研究及其復(fù)雜化工過程建模應(yīng)用[D]. 賀彥林.北京化工大學(xué) 2016
[2]心電圖中T波電交替檢測關(guān)鍵技術(shù)研究[D]. 佘黎煌.東北大學(xué) 2015
[3]前饋神經(jīng)網(wǎng)絡(luò)梯度學(xué)習(xí)算法收斂性分析[D]. 王健.大連理工大學(xué) 2012
[4]非侵入式電力負荷分解與監(jiān)測[D]. 黎鵬.天津大學(xué) 2009

碩士論文
[1]基于油中氣體分析的電力變壓器故障診斷研究[D]. 梅紅爭.長春工業(yè)大學(xué) 2019
[2]基于極限學(xué)習(xí)機的蘋果葉片病害識別[D]. 陸銀標(biāo).西北農(nóng)林科技大學(xué) 2019
[3]基于穩(wěn)態(tài)特征的非侵入式負荷辨識系統(tǒng)的設(shè)計與實現(xiàn)[D]. 張志豪.電子科技大學(xué) 2018
[4]基于暫態(tài)特征的負荷非侵入式辨識方法研究與實現(xiàn)[D]. 曲禾笛.電子科技大學(xué) 2018
[5]基于小波變換和隨機森林的非侵入式住宅用電負荷識別研究[D]. 秦領(lǐng).重慶大學(xué) 2018
[6]基于事件檢測的住宅用電負荷非侵入式識別研究[D]. 丁世敬.重慶大學(xué) 2017
[7]一種檢驗方差的自適應(yīng)CUSUM控制圖[D]. 周楊.遼寧大學(xué) 2016
[8]非侵入式負荷分解算法的綜合研究[D]. 李雨軒.北京交通大學(xué) 2016
[9]基于ELM的故障診斷算法的研究與實現(xiàn)[D]. 馬駿.華北電力大學(xué) 2016
[10]居民負荷特性研究及應(yīng)用[D]. 劉慶強.上海電力學(xué)院 2014



本文編號：3234585