非侵入負荷辨識技術(shù)是智能電網(wǎng)領(lǐng)域最新的高級量測技術(shù),通過用戶總進線的電壓電流來分解辨識用戶的細粒度用電行為,對用戶能源可視化、綜合能耗降低和電網(wǎng)削峰填谷都有重要意義。非侵入負荷辨識技術(shù)研究重點為辨識算法、實驗平臺和終端裝置三部分,本文在實驗平臺、終端驅(qū)動和終端檢測三個方面開展了深入研究,具體如下:首先,本文介紹了基于負荷核心特征量的非侵入負荷辨識算法,開發(fā)了基于USB-6009數(shù)據(jù)采集卡的實驗平臺和錄波軟件。實驗平臺可模擬居民實際用電情況并提供辨識算法運行環(huán)境,錄波軟件可實現(xiàn)最高24KHz采樣頻率的電流電壓同步采樣及數(shù)據(jù)存儲。實驗平臺和錄波軟件為研究非侵入負荷辨識技術(shù)提供了輔助工具。然后,為了實現(xiàn)非侵入負荷辨識裝置（NDTU）的高度集成化,本文設(shè)計了基于STM32F407的非侵入負荷辨識終端的底層驅(qū)動程序,具體包括:以800Hz采樣頻率連續(xù)采樣、液晶和按鍵實現(xiàn)人機交互、GPRS傳輸數(shù)據(jù)、SRAM運行程序、NOR Flash存儲主程序、EEPROM存儲初始配置。最后,為加速非侵入負荷辨識終端的檢測流程,本文基于DK-51C三相源開發(fā)了NDTU功能檢測軟件,實現(xiàn)了對NDTU終端ADC采樣系... 

【文章來源】：東南大學江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【部分圖文】：

非侵入交互界面

程序框

(b) 界面效果圖 2-12 錄波軟件圖 2-12(a)中，“模塊 A”為 DAQmx 驅(qū)動設(shè)置及采樣處理部分，電流電壓波形經(jīng)過計算處理，獲取 P/Q/IMx；“模塊 B”判斷框內(nèi)根據(jù)每天凌晨 00:00:00 時刻，生成新的存儲文檔，文檔按“日期+存儲內(nèi)容”命名，如“2018-4-1-P.txt”表示 2018/4/1 存儲

【參考文獻】：
期刊論文
[1]基于近鄰傳播聚類和遺傳優(yōu)化的非侵入式負荷分解方法[J]. 徐青山,婁藕蝶,鄭愛霞,劉瑜俊.  電工技術(shù)學報. 2018(16)
[2]2017年全社會用電量同比增長6.6%[J].   中國能源. 2018(02)
[3]基于k-NN結(jié)合核Fisher判別的非侵入式負荷監(jiān)測方法[J]. 宋旭帆,周明,涂京,李庚銀.  電力系統(tǒng)自動化. 2018(06)
[4]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)
[5]基于差量特征提取與模糊聚類的非侵入式負荷監(jiān)測方法[J]. 孫毅,崔燦,陸俊,郝建紅,劉向軍.  電力系統(tǒng)自動化. 2017(04)
[6]基于模板濾波的居民負荷非侵入式快速辨識算法[J]. 武昕,祁兵,韓璐,王震,董超.  電力系統(tǒng)自動化. 2017(02)
[7]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)
[8]RPROP神經(jīng)網(wǎng)絡(luò)在非侵入式負荷分解中的應用[J]. 李如意,王曉換,胡美璇,周洪,胡文山.  電力系統(tǒng)保護與控制. 2016(07)
[9]非侵入式電力負荷的辨識和監(jiān)測[J]. 朱德省,尹建豐,周琨荔.  電測與儀表. 2015(S1)
[10]基于特征相似度的非侵入式用電負荷識別模型研究[J]. 趙云,錢斌,王科,李秋碩,孫宇軍.  電氣應用. 2015(S1)

博士論文
[1]面向智能用電的非侵入式居民負荷監(jiān)測關(guān)鍵技術(shù)研究[D]. 崔燦.華北電力大學(北京) 2017
[2]智能電網(wǎng)低碳效益關(guān)鍵指標選取與評價模型研究[D]. 周黎莎.華北電力大學 2013
[3]智能電網(wǎng)技術(shù)經(jīng)濟綜合評價研究[D]. 陳安偉.重慶大學 2012
[4]非侵入式電力負荷分解與監(jiān)測[D]. 黎鵬.天津大學 2009

碩士論文
[1]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 2016
[2]結(jié)合改進最近鄰法與支持向量機的住宅用電負荷識別研究[D]. 劉然.重慶大學 2014
[3]基于HSMM的非侵入式家庭電力負荷分解算法研究[D]. 張玲玲.太原科技大學 2014
[4]基于Lasso的非侵入式家庭電力負荷分解特征選擇算法研究[D]. 劉曉寧.太原科技大學 2014
[5]智能電網(wǎng)技術(shù)的發(fā)展簡史[D]. 王硯澤.山西大學 2012
[6]非侵入式電路故障診斷及家用電器用電狀況在線監(jiān)測算法研究[D]. 雷冬梅.重慶大學 2012
[7]基于暫態(tài)過程的非侵入式負荷監(jiān)測[D]. 牛盧璐.天津大學 2010
[8]基于穩(wěn)態(tài)諧波分析的非侵入式電力負荷分解法的應用研究[D]. 趙春柳.天津大學 2009
[9]神經(jīng)網(wǎng)絡(luò)在學生公寓用電負荷識別中的應用研究[D]. 鄭宇.重慶大學 2007



本文編號：2971052