發(fā)布時(shí)間：2017-09-28 14:42

  本文關(guān)鍵詞：基于因子隱馬爾可夫模型的負(fù)荷分解方法及靈敏度分析

  更多相關(guān)文章： 隱馬爾可夫模型 因子隱馬爾可夫模型 負(fù)荷分解 靈敏度分析

【摘要】：負(fù)荷分解是智能電網(wǎng)的關(guān)鍵技術(shù),對(duì)負(fù)荷預(yù)測(cè)、需求側(cè)管理及電網(wǎng)安全有重要意義。傳統(tǒng)負(fù)荷分解方法的準(zhǔn)確率受限于負(fù)荷特征的維度、采樣頻率和負(fù)荷的穩(wěn)定性。文中提出了基于因子隱馬爾可夫模型的負(fù)荷分解方法,利用該模型對(duì)負(fù)荷進(jìn)行建模,對(duì)Viterbi算法進(jìn)行了擴(kuò)展并求解負(fù)荷狀態(tài),進(jìn)而基于整數(shù)規(guī)劃實(shí)現(xiàn)對(duì)總負(fù)荷的最優(yōu)分配。該方法對(duì)負(fù)荷數(shù)據(jù)的穩(wěn)定性和采樣頻率不敏感,可適用于家居和工業(yè)電力用戶。同時(shí),深入研究了Viterbi算法求解最優(yōu)狀態(tài)與觀測(cè)擾動(dòng)之間的影響關(guān)系,并進(jìn)一步得到最優(yōu)狀態(tài)對(duì)于當(dāng)前觀測(cè)的允許擾動(dòng)范圍,這對(duì)負(fù)荷分解最優(yōu)狀態(tài)的可靠性評(píng)估有重要意義。
【作者單位】： 機(jī)械制造系統(tǒng)工程國家重點(diǎn)實(shí)驗(yàn)室(西安交通大學(xué));智能網(wǎng)絡(luò)與網(wǎng)絡(luò)安全教育部重點(diǎn)實(shí)驗(yàn)室(西安交通大學(xué));
【關(guān)鍵詞】： 隱馬爾可夫模型 因子隱馬爾可夫模型 負(fù)荷分解 靈敏度分析
【基金】：國家自然科學(xué)基金資助項(xiàng)目(61473218) 國家重點(diǎn)研發(fā)計(jì)劃資助項(xiàng)目(2016YFB0901904)~~
【分類號(hào)】：TM714
【正文快照】： 上網(wǎng)日期:2016-09-02。0引言負(fù)荷分解(load disaggregation)也被稱為非侵入式負(fù)荷監(jiān)測(cè)(non-intrusive load monitoring,NILM),是利用電力入口處的負(fù)荷信息對(duì)其內(nèi)部包含的用電設(shè)備進(jìn)行狀態(tài)監(jiān)測(cè)和能耗分解,為智能電網(wǎng)的關(guān)鍵技術(shù)之一。對(duì)電力用戶進(jìn)行準(zhǔn)確有效的負(fù)荷分解,一方面有，

本文編號(hào)：936447