發(fā)布時(shí)間：2018-03-08 22:21

  本文選題：非侵入式負(fù)荷識(shí)別　切入點(diǎn)：負(fù)荷投切　出處：《重慶大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

【摘要】：未來(lái)的智能電網(wǎng)要求電網(wǎng)與用戶有著更加密切的信息和行為互動(dòng)，因此智能電表需要有更加精確、可靠的電能量管理能力，不僅可以對(duì)用戶分時(shí)，還能進(jìn)行分類精確計(jì)量，這就要求智能電表首先具有對(duì)負(fù)荷分類識(shí)別能力。目前的負(fù)荷分類識(shí)別研究一般利用單層識(shí)別算法實(shí)現(xiàn)所有負(fù)荷的分類識(shí)別，導(dǎo)致算法復(fù)雜、計(jì)算量大；同時(shí)大多數(shù)研究都沒(méi)有很好地解決高噪聲、大功率非平穩(wěn)負(fù)荷波動(dòng)干擾下多類負(fù)荷混合運(yùn)行中的負(fù)荷分類識(shí)別。 針對(duì)以上這些問(wèn)題，文章在研究現(xiàn)有住宅負(fù)荷識(shí)別方法優(yōu)缺點(diǎn)的基礎(chǔ)上提出一種結(jié)合改進(jìn)最近鄰法與支持向量機(jī)的非侵入式住宅用電負(fù)荷多層分類識(shí)別方法。分析了常用住宅用電負(fù)荷的信號(hào)特征并設(shè)計(jì)了負(fù)荷投切事件檢測(cè)算法，提取特征量并建立了住宅用電負(fù)荷特征數(shù)據(jù)庫(kù)，改進(jìn)了最近鄰法并和支持向量機(jī)進(jìn)行了分類器層級(jí)的有效結(jié)合。利用訓(xùn)練集數(shù)據(jù)對(duì)分類器進(jìn)行了訓(xùn)練，在此基礎(chǔ)上利用測(cè)試集數(shù)據(jù)對(duì)方法進(jìn)行了有效性驗(yàn)證具體內(nèi)容如下： ①采集并分析多類不同品牌、功率的住宅用電負(fù)荷在不同工作狀態(tài)下電壓、電流、功率波形，討論了多類負(fù)荷混合運(yùn)行下進(jìn)行識(shí)別的可行性和提取特征的思路；比較了不同負(fù)荷改變運(yùn)行狀態(tài)時(shí)波形變化的異同以及干擾事件與真實(shí)事件的區(qū)別，提出了負(fù)荷投切事件檢測(cè)算法，實(shí)驗(yàn)結(jié)果表明算法可以排除負(fù)荷的功率波動(dòng)帶來(lái)的干擾，達(dá)到良好的負(fù)荷投切檢測(cè)效果；負(fù)荷啟停檢測(cè)完成后就可以劃分負(fù)荷波形的暫穩(wěn)態(tài)區(qū)域并定位標(biāo)識(shí)點(diǎn)。利用不同的數(shù)學(xué)變換方式，以時(shí)域、頻域、穩(wěn)態(tài)、暫態(tài)等不同角度提取來(lái)自住宅用電負(fù)荷的電壓、電流、功率數(shù)據(jù)的多種特征量，將原始值和歸一化值存儲(chǔ)下來(lái)，建立5種住宅用電負(fù)荷的共100個(gè)樣本的20維特征數(shù)據(jù)庫(kù)；隨后根據(jù)特征空間中的類內(nèi)距離與類間距離之比評(píng)估特征量對(duì)各類電器的分類能力，對(duì)20維特征量進(jìn)行了初步篩選為后續(xù)特征量組合尋優(yōu)縮小了選擇范圍，，減少了計(jì)算量。 ②在分析了最近鄰法和C均值法的優(yōu)缺點(diǎn)的基礎(chǔ)上提出了結(jié)合有限最近鄰元素概率分布和均值中心相似性的改進(jìn)最近鄰識(shí)別算法；考慮多層識(shí)別更少的計(jì)算量和可拓展性，設(shè)計(jì)了基于改進(jìn)最近鄰算法的多層分類器，訓(xùn)練出了最優(yōu)的分類器參數(shù)和特征量組合，實(shí)際負(fù)荷運(yùn)行數(shù)據(jù)實(shí)驗(yàn)表明：在較高噪聲干擾下，基于改進(jìn)最近鄰法的三層分類器識(shí)別方法能有效識(shí)別多類住宅用電負(fù)荷混合運(yùn)行下的每類負(fù)荷的投切狀態(tài)和種類，包括較為困難的大功率非平穩(wěn)負(fù)荷背景下小功率負(fù)荷的識(shí)別以及低采樣率下的識(shí)別，同時(shí)分類識(shí)別率明顯高于傳統(tǒng)的最近鄰法、C均值聚類法的單層和三層分類器方法，證明分類算法和分類器改進(jìn)的有效性和穩(wěn)健性。 ③針對(duì)特征量相似的異類負(fù)荷在特征空間的分類識(shí)別率低的問(wèn)題對(duì)多層分類器中各個(gè)分類器進(jìn)行了總識(shí)別率統(tǒng)計(jì)分析，發(fā)現(xiàn)改進(jìn)最近鄰法分類器無(wú)法很好解決樣本特征空間線性不可分問(wèn)題，于是引入適用于劃分線性不可分樣本的支持向量機(jī)（SVM）分類器代替了部分改進(jìn)最近鄰法分類器并對(duì)SVM分類器進(jìn)行了參數(shù)優(yōu)化，實(shí)驗(yàn)結(jié)果表明電器的分類識(shí)別率有了明顯提高，證明了SVM分類器對(duì)解決住宅線性不可分負(fù)荷問(wèn)題是有幫助的，兩種分類器的組合優(yōu)勢(shì)可以提升對(duì)整體分類器的分類能力。
[Abstract]:......
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TM714

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 歐陽(yáng)森,宋政湘,陳德桂,王建華;小波軟閾值去噪技術(shù)在電能質(zhì)量檢測(cè)中的應(yīng)用[J];電力系統(tǒng)自動(dòng)化;2002年19期

2 張欽;王錫凡;付敏;王建學(xué);;需求響應(yīng)視角下的智能電網(wǎng)[J];電力系統(tǒng)自動(dòng)化;2009年17期

3 陳樹(shù)勇;宋書(shū)芳;李蘭欣;沈杰;;智能電網(wǎng)技術(shù)綜述[J];電網(wǎng)技術(shù);2009年08期

4 張文亮;劉壯志;王明俊;楊旭升;;智能電網(wǎng)的研究進(jìn)展及發(fā)展趨勢(shì)[J];電網(wǎng)技術(shù);2009年13期

5 張磊,潘泉,張洪才,戴冠中;小波域?yàn)V波閾值參數(shù)c的選取[J];電子學(xué)報(bào);2001年03期

6 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

7 楊浩;張磊;何潛;牛強(qiáng);;基于自適應(yīng)模糊C均值算法的電力負(fù)荷分類研究[J];電力系統(tǒng)保護(hù)與控制;2010年16期

8 楊培杰;印興耀;張廣智;;模糊C均值地震屬性聚類分析[J];石油地球物理勘探;2007年03期

9 董春曦,饒鮮,楊紹全,徐松濤;支持向量機(jī)參數(shù)選擇方法研究[J];系統(tǒng)工程與電子技術(shù);2004年08期

本文編號(hào)：1585793