發(fā)布時間：2020-11-01 22:42

　　 智能用電技術(shù)作為智能電網(wǎng)體系的一個重要組成部分,其發(fā)展的好壞將會直接影響電網(wǎng)的經(jīng)濟(jì)運(yùn)行與有序用電。為了獲取更加精細(xì)的電力負(fù)荷監(jiān)測數(shù)據(jù)來發(fā)展智能用電技術(shù),目前主要采取“侵入式”監(jiān)測的方法,即在用戶家中每個電器上都設(shè)置傳感裝置來記錄其使用情況,由于會影響用戶的生活且投資成本較高,因此難以普及。非侵入式負(fù)荷監(jiān)測技術(shù)則可以有效避免上述問題。本文對非侵入式居民負(fù)荷監(jiān)測展開研究,通過對負(fù)荷特征提取與識別、用戶負(fù)荷數(shù)據(jù)挖掘等方面展開研究,實(shí)現(xiàn)以非侵入式負(fù)荷監(jiān)測技術(shù)來獲取更加精細(xì)的電力負(fù)荷數(shù)據(jù)。本文主要分為非侵入式負(fù)荷監(jiān)測特征提取與負(fù)荷識別方法、非侵入式負(fù)荷分解方法和面向智能用電的非侵入式負(fù)荷分解典型應(yīng)用三個方面,具體內(nèi)容如下:首先介紹了非侵入式負(fù)荷監(jiān)測中常用的特征提取方法以及負(fù)荷識別方法。針對現(xiàn)有方法普遍利用負(fù)荷的暫態(tài)特征進(jìn)行分析,對數(shù)據(jù)采集設(shè)備精度要求高,在實(shí)際中難以應(yīng)用的問題,提出了一種新的負(fù)荷特征提取方法,該方法除了考慮用電設(shè)備本身的電氣負(fù)荷特征之外,還充分挖掘了歷史數(shù)據(jù)中隱藏的細(xì)節(jié)信息;針對數(shù)學(xué)優(yōu)化算法在處理負(fù)荷識別問題時求解效率低的問題,提出了一種基于神經(jīng)網(wǎng)絡(luò)的非侵入式居民負(fù)荷識別方法,該方法利用神經(jīng)網(wǎng)絡(luò)模式識別技術(shù),實(shí)現(xiàn)了精確的非侵入式負(fù)荷識別。針對非侵入式負(fù)荷分解問題,本文提出一種基于用電設(shè)備工作模式識別的非侵入式家庭負(fù)荷分解方法。首先,提取了家用電器的電流波形、有功功率、無功功率穩(wěn)態(tài)特征,在此基礎(chǔ)上提出一種新的用電器工作模式判定方法。然后,采用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行電器工作模式的識別,實(shí)現(xiàn)家用電器負(fù)荷的精確分解。最后,通過仿真實(shí)驗(yàn)表明:本文方法能夠?qū)崿F(xiàn)負(fù)荷的有效識別與精確分解。針對面向智能用電的非侵入式負(fù)荷分解典型應(yīng)用,本文在對非侵入式負(fù)荷分解問題研究的基礎(chǔ)上,進(jìn)一步研究了對負(fù)荷分解后的狀態(tài)數(shù)據(jù)進(jìn)行深度挖掘,分析了非侵入式負(fù)荷分解在智能用電技術(shù)中的用電行為分析和電力需求側(cè)管理業(yè)務(wù)兩方面的應(yīng)用。
【學(xué)位單位】：沈陽工程學(xué)院
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TM714;TM76
【部分圖文】：

重點(diǎn)研究方向。本文采用發(fā)展相對比較成熟的基于有監(jiān)督式學(xué)習(xí)的算法度較高，但由于 SVM 是借助二次規(guī)劃對支持向量進(jìn)行求大的訓(xùn)練樣本難以實(shí)施。因此，本文選擇采用神經(jīng)網(wǎng)絡(luò)識別研究。網(wǎng)絡(luò)模式識別的非侵入式負(fù)荷識別算法模式識別的方法應(yīng)用于電力負(fù)荷分解的問題中，首先必和其中的函數(shù)及算法的選擇。理論基礎(chǔ)網(wǎng)絡(luò)是由大量的基本元件—神經(jīng)元組成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)通過對人類大腦神經(jīng)處理信息的方法進(jìn)行模擬，以達(dá)到轉(zhuǎn)換的目標(biāo)。人工神經(jīng)網(wǎng)絡(luò)通過多輸入與多輸出的形式行并行處理的能力，其典型結(jié)構(gòu)如圖 3.1 所示。

圖 3.2 BP 神經(jīng)網(wǎng)絡(luò)典型三層結(jié)構(gòu)pical three-layer structure of BP ne態(tài)工作特征，如電壓、電流工作模式，且輸出層的神經(jīng)有一個隱藏層，隱藏層利用藏層神經(jīng)元數(shù)目，以避免出的方法。個數(shù)選取經(jīng)驗(yàn)公式如下：h = m + n + l 2n + 0.12n + 2.54m + 0.77n數(shù)目，m、n 分別為輸入層神經(jīng)

因此，本文根據(jù)文獻(xiàn)[11]中給出的神經(jīng)網(wǎng)絡(luò)隱藏層神經(jīng)元個將隱藏層神經(jīng)元個數(shù)確定為 10。網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)中的輸入層與輸出層神經(jīng)元數(shù)量需要根據(jù)實(shí)際情況確在第 4 章中詳細(xì)介紹。經(jīng)網(wǎng)絡(luò)訓(xùn)練方法遞函數(shù)的選擇經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中，對訓(xùn)練神經(jīng)網(wǎng)絡(luò)所用傳遞函數(shù)的選擇至關(guān)重是連續(xù)可微，神經(jīng)網(wǎng)絡(luò)通常采用 Sigmoid 函數(shù)的對數(shù)函數(shù)或正切函數(shù)igmoid(logsig)，tan-sigmoid(tansig)和線性函數(shù)(purelin)三種形式。igmoid(tansig)函數(shù)的值域?yàn)?-1,1)，線性函數(shù)(purelin)的值域?yàn)?-∞id(logsig)函數(shù)的表達(dá)式見式(3.6)，其圖像如圖 3.3 所示，它可以將一的區(qū)間上，即輸出映射在(0,1)之間。( )1S x =-x1 + e
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 詹偉;查志勇;梁航函;;非侵入式負(fù)荷監(jiān)測技術(shù)在客戶服務(wù)中的應(yīng)用研究[J];電力信息與通信技術(shù);2019年11期

2 ;科學(xué)在身邊[J];科學(xué)家;2017年10期

3 劉耀先;孫毅;李彬;黃婷;;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];電網(wǎng)技術(shù);2019年12期

4 汪四仙;畢忠勤;;非侵入式電力負(fù)荷監(jiān)測技術(shù)研究[J];上海電力學(xué)院學(xué)報;2017年04期

5 李自文;魏平;李海;;非侵入式負(fù)荷分解方法綜述[J];價值工程;2018年18期

6 ;非侵入式吃水測量系統(tǒng)[J];船舶物資與市場;2012年01期

7 Israel Niv;非侵入式光學(xué)探測技術(shù)加快硅片調(diào)試[J];電子設(shè)計應(yīng)用;2004年05期

8 M.R.Swain ,毛煥雄;一種非侵入式表面點(diǎn)火檢測器[J];小型內(nèi)燃機(jī);1991年02期

9 李玲娜;邵子娟;金垚燈;;基于支持向量機(jī)的非侵入式負(fù)荷印記識別模型[J];數(shù)學(xué)的實(shí)踐與認(rèn)識;2019年20期

10 孫毅;崔燦;陸俊;郝建紅;劉向軍;;基于遺傳優(yōu)化的非侵入式家居負(fù)荷分解方法[J];電網(wǎng)技術(shù);2016年12期

相關(guān)博士學(xué)位論文 前3條

1 崔燦;面向智能用電的非侵入式居民負(fù)荷監(jiān)測關(guān)鍵技術(shù)研究[D];華北電力大學(xué)(北京);2017年

2 凌張偉;基于臨界折射縱波和表面波的壓力容器壓力測量方法研究[D];浙江大學(xué);2010年

3 劉思佳;基于在線電流數(shù)據(jù)驅(qū)動方法的地下電纜故障預(yù)診斷的研究[D];北京交通大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 耿赫男;非侵入式居民負(fù)荷特征提取及智能用電研究[D];沈陽工程學(xué)院;2019年

2 王成建;基于矩陣稀疏性的非侵入式負(fù)荷分解[D];華北電力大學(xué)(北京);2019年

3 黃栩鑒;面向應(yīng)用的非侵入式負(fù)荷監(jiān)測與分解算法研究[D];華北電力大學(xué)(北京);2019年

4 吳瑤;基于因子隱馬爾科夫模型的非侵入式負(fù)荷分解方法[D];華北電力大學(xué)(北京);2019年

5 田潔;基于用戶行為分析的非侵入式家庭負(fù)荷分解研究[D];華北電力大學(xué)(北京);2019年

6 張璐;面向居民用戶的非侵入式負(fù)荷分解算法研究[D];華北電力大學(xué)(北京);2019年

7 劉玲;基于穩(wěn)態(tài)特征的非侵入式負(fù)荷監(jiān)測算法研究[D];華南理工大學(xué);2019年

8 張露;非侵入式負(fù)荷監(jiān)測算法研究[D];華南理工大學(xué);2019年

9 詹航;基于智能決策的非侵入式負(fù)荷監(jiān)測研究[D];浙江大學(xué);2018年

10 高浩瀚;非侵入式負(fù)荷辨識的特征分析研究[D];山東大學(xué);2019年

本文編號：2866205