非侵入式負(fù)荷監(jiān)測技術(shù)一直是智能電網(wǎng)和家庭能源管理的熱點(diǎn)技術(shù)之一,其通過對總用電數(shù)據(jù)的分析來獲得用戶家庭用電的詳細(xì)情況,有利于電力公司制定供電策略,也有利于指導(dǎo)用戶用電行為,同時(shí)也可以幫助用戶檢查設(shè)備故障,從而實(shí)現(xiàn)安全和經(jīng)濟(jì)用電。本文對非侵入式負(fù)荷監(jiān)測技術(shù)框架做了詳細(xì)分析,并重點(diǎn)研究了非侵入式負(fù)荷分解方法。本文研究了基于啟發(fā)式優(yōu)化算法的負(fù)荷分解方法,對優(yōu)化算法的種群初始化方法和適應(yīng)度函數(shù)構(gòu)建方法進(jìn)行了改進(jìn)。首先利用用電數(shù)據(jù)為時(shí)間序列數(shù)據(jù)的特點(diǎn),改進(jìn)了啟發(fā)式優(yōu)化算法的種群初始化方法,在傳統(tǒng)初始化方法基礎(chǔ)上增加了對上一穩(wěn)態(tài)結(jié)果的隨機(jī)化處理,在保證準(zhǔn)確率的基礎(chǔ)上可以減少種群數(shù)量,從而減少算法的執(zhí)行時(shí)間。同時(shí)通過實(shí)驗(yàn)證明,對初始化的改進(jìn)也能夠提高負(fù)荷分解的準(zhǔn)確性。其次,本文在構(gòu)建啟發(fā)式優(yōu)化算法的適應(yīng)度函數(shù)時(shí),選擇以多種功率作為特征,使用熵值法來計(jì)算不同功率的權(quán)重大小,同時(shí)考慮到對預(yù)測功率的大小和運(yùn)行設(shè)備的約束,本文引入功率參數(shù)和聯(lián)系參數(shù)到適應(yīng)度函數(shù)中,通過實(shí)驗(yàn)證明改進(jìn)后適應(yīng)度函數(shù)的負(fù)荷分解準(zhǔn)確率更高。最后在比較了改進(jìn)的粒子群算法、遺傳算法、差分進(jìn)化算法的有效性后,發(fā)現(xiàn)改進(jìn)粒子群算法具有相對較好的... 

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 本文主要工作與結(jié)構(gòu)
2 NILM技術(shù)框架分析
    2.1 數(shù)據(jù)采集與預(yù)處理
    2.2 事件檢測
    2.3 特征提取
        2.3.1 諧波特征
        2.3.2 電壓-電流軌跡特征
        2.3.3 功率特征
    2.4 負(fù)荷分解
    2.5 結(jié)果評價(jià)標(biāo)準(zhǔn)
    2.6 本章小結(jié)
3 基于啟發(fā)優(yōu)化算法的負(fù)荷分解研究
    3.1 基于啟發(fā)式優(yōu)化算法的負(fù)荷分解方法簡介
        3.1.1 粒子群算法
        3.1.2 遺傳算法
        3.1.3 差分進(jìn)化算法
    3.2 啟發(fā)式優(yōu)化算法初始化改進(jìn)
    3.3 改進(jìn)適應(yīng)度函數(shù)
        3.3.1 特征選取
        3.3.2 熵值法
        3.3.3 構(gòu)建適應(yīng)度函數(shù)
    3.4 實(shí)驗(yàn)過程及結(jié)果分析
        3.4.1 優(yōu)化算法初始化改進(jìn)比較
        3.4.2 適應(yīng)度函數(shù)比較
        3.4.3 三種啟發(fā)式優(yōu)化算法比較
    3.5 本章小結(jié)
4 基于多模型融合的負(fù)荷分解方法研究
    4.1 基于PSO算法的二次改進(jìn)
        4.2.1 構(gòu)建時(shí)間概率表
        4.2.2 改進(jìn)PSO算法迭代過程
    4.2 差量特征模型
    4.3 混合整數(shù)規(guī)劃模型
    4.4 構(gòu)建多模型融負(fù)荷分解方法
    4.5 實(shí)驗(yàn)過程及結(jié)果分析
        4.5.1 驗(yàn)證基于PSO算法的二次改進(jìn)
        4.5.2 驗(yàn)證多模型融合算法有效性
    4.6 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表論文及科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]中國“十四五”新能源發(fā)展研判及需要關(guān)注的問題[J]. 黃碧斌,張運(yùn)洲,王彩霞.  中國電力. 2020(01)
[2]基于邊緣嵌入深度學(xué)習(xí)的非侵入式負(fù)荷分解方法[J]. 劉耀先,孫毅,李彬,黃婷.  電網(wǎng)技術(shù). 2019(12)
[3]基于FBE算法的非侵入式事件檢測方法[J]. 黃河,周步祥,張致強(qiáng),劉治凡,袁岳,鄒家惠.  水電能源科學(xué). 2019(10)
[4]基于圖信號處理的智能電表功率信號分解[J]. 祁兵,劉利亞,武昕,石坤,薛溟楓.  電力系統(tǒng)自動(dòng)化. 2019(04)
[5]基于貝葉斯信息準(zhǔn)則的非侵入式負(fù)荷事件檢測算法[J]. 肖江,Fran?ois AUGER,荊朝霞,Sarra HOUIDI.  電力系統(tǒng)保護(hù)與控制. 2018(22)
[6]基于時(shí)間概率分布與電器組合超狀態(tài)的非侵入式負(fù)荷分解[J]. 燕續(xù)峰,翟少鵬,何光宇.  電力系統(tǒng)自動(dòng)化. 2018(24)
[7]一種基于倒譜分析的非侵入式負(fù)荷監(jiān)測方法[J]. 詹航,竺紅衛(wèi),朱領(lǐng)軍.  電子技術(shù). 2018(05)
[8]基于改進(jìn)雞群算法的非侵入式負(fù)荷監(jiān)測[J]. 劉興杰,曹美晗,許月娟.  電力自動(dòng)化設(shè)備. 2018(05)
[9]基于動(dòng)態(tài)自適應(yīng)粒子群算法的非侵入式家居負(fù)荷分解方法[J]. 孫毅,張璐,趙洪磊,劉耀先,李彬,李德智,崔高穎.  電網(wǎng)技術(shù). 2018(06)
[10]用于非侵入式電力負(fù)荷監(jiān)測的改進(jìn)Viterbi算法[J]. 陳鴻川,劉博,欒文鵬,李秋碩.  電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2017(02)



本文編號：3693568