基于行為特征的非侵入式負(fù)荷識(shí)別方法研究
發(fā)布時(shí)間:2023-12-24 13:59
非侵入式負(fù)荷監(jiān)測(cè)(Non-Intrusive Load Monitoring,NILM)技術(shù)可以通過對(duì)集中供電點(diǎn)電壓電流數(shù)據(jù)的檢測(cè)和分析,分解出該供電范圍內(nèi)不同類別負(fù)荷的分時(shí)能耗及運(yùn)行狀態(tài)信息,向家庭能源管理系統(tǒng)(Residential Energy Management System,REMS)提供有效的能源管理基礎(chǔ)信息。現(xiàn)有NILM技術(shù)存在對(duì)采樣裝置要求高、求解運(yùn)算量較大的問題,難以直接在量大面廣的居民用戶中廣泛使用。針對(duì)此問題,論文研究了居民負(fù)荷的基本用電特性,提出了表征居民負(fù)荷行為的特征量;并針對(duì)負(fù)荷行為及電氣參數(shù)的不確定性特性,引入對(duì)負(fù)荷特征參數(shù)的統(tǒng)計(jì)性描述方法;提出了可以應(yīng)用于居民智能電表的基于行為特征的NILM方法。主要研究?jī)?nèi)容及成果如下:1)根據(jù)居民負(fù)荷的特點(diǎn),提出了表征負(fù)荷行為的特征量,該特征量可以直接由總負(fù)荷供電點(diǎn)的電流電壓采樣數(shù)據(jù)及其時(shí)間戳獲得,不需額外數(shù)據(jù)。負(fù)荷行為特征可與其簡(jiǎn)單電氣特征進(jìn)行組合,給不同負(fù)荷提供較高的可識(shí)別度,避免了現(xiàn)有方法對(duì)負(fù)荷電氣特征的細(xì)部特征(如諧波、暫態(tài))的識(shí)別要求。2)針對(duì)居民負(fù)荷中同一類負(fù)荷的運(yùn)行行為、功率和電氣參數(shù)的多樣性,提出了對(duì)...
【文章頁數(shù)】:78 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
中文摘要
英文摘要
1 緒論
1.1 研究背景及研究意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 基于暫穩(wěn)態(tài)電氣特征識(shí)別方法
1.2.2 數(shù)學(xué)優(yōu)化類識(shí)別方法
1.2.3 智能模式識(shí)別方法
1.2.4 其他識(shí)別方法
1.3 本文的主要工作
2 負(fù)荷識(shí)別總體方法及流程
2.1 智能電表特點(diǎn)
2.2 住宅負(fù)荷特點(diǎn)
2.3 負(fù)荷特征量
2.4 負(fù)荷特征量描述
2.5 負(fù)荷識(shí)別總流程
2.6 本章小結(jié)
3 事件檢測(cè)與匹配方法
3.1 事件檢測(cè)方法
3.1.1 去除功率脈沖噪聲算法
3.1.2 去除功率紋波噪聲算法
3.1.3 事件特征量的提取算法
3.1.4 事件檢測(cè)流程
3.2 事件匹配方法
3.2.1 功率匹配算法
3.2.2 波形匹配算法
3.2.3 事件匹配流程
3.3 本章小結(jié)
4 引入行為特征的負(fù)荷識(shí)別方法
4.1 負(fù)荷特征建模及構(gòu)建數(shù)據(jù)庫
4.1.1 負(fù)荷特征建模
4.1.2 負(fù)荷特征數(shù)據(jù)庫
4.2 負(fù)荷識(shí)別方法
4.2.1 負(fù)荷識(shí)別方法原理
4.2.2 負(fù)荷識(shí)別方法流程
4.2.3 負(fù)荷特征數(shù)據(jù)庫修正和擴(kuò)充方法
4.3 本章小結(jié)
5 基于行為特征的非侵入式負(fù)荷識(shí)別方法效果驗(yàn)證
5.1 事件檢測(cè)和事件匹配方法效果驗(yàn)證
5.1.1 BLUED數(shù)據(jù)集驗(yàn)證
5.1.2 實(shí)驗(yàn)室數(shù)據(jù)驗(yàn)證
5.1.3 實(shí)測(cè)家庭數(shù)據(jù)驗(yàn)證
5.2 引入行為特征的負(fù)荷識(shí)別方法效果驗(yàn)證
5.2.1 BLUED數(shù)據(jù)驗(yàn)證
5.2.2 實(shí)測(cè)家庭數(shù)據(jù)驗(yàn)證
5.3 本章小結(jié)
6 總結(jié)與展望
6.1 論文工作總結(jié)
6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
附錄
A.作者在攻讀碩士學(xué)位期間發(fā)表的論文目錄
本文編號(hào):3874651
【文章頁數(shù)】:78 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
中文摘要
英文摘要
1 緒論
1.1 研究背景及研究意義
1.1.1 研究背景
1.1.2 研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 基于暫穩(wěn)態(tài)電氣特征識(shí)別方法
1.2.2 數(shù)學(xué)優(yōu)化類識(shí)別方法
1.2.3 智能模式識(shí)別方法
1.2.4 其他識(shí)別方法
1.3 本文的主要工作
2 負(fù)荷識(shí)別總體方法及流程
2.1 智能電表特點(diǎn)
2.2 住宅負(fù)荷特點(diǎn)
2.3 負(fù)荷特征量
2.4 負(fù)荷特征量描述
2.5 負(fù)荷識(shí)別總流程
2.6 本章小結(jié)
3 事件檢測(cè)與匹配方法
3.1 事件檢測(cè)方法
3.1.1 去除功率脈沖噪聲算法
3.1.2 去除功率紋波噪聲算法
3.1.3 事件特征量的提取算法
3.1.4 事件檢測(cè)流程
3.2 事件匹配方法
3.2.1 功率匹配算法
3.2.2 波形匹配算法
3.2.3 事件匹配流程
3.3 本章小結(jié)
4 引入行為特征的負(fù)荷識(shí)別方法
4.1 負(fù)荷特征建模及構(gòu)建數(shù)據(jù)庫
4.1.1 負(fù)荷特征建模
4.1.2 負(fù)荷特征數(shù)據(jù)庫
4.2 負(fù)荷識(shí)別方法
4.2.1 負(fù)荷識(shí)別方法原理
4.2.2 負(fù)荷識(shí)別方法流程
4.2.3 負(fù)荷特征數(shù)據(jù)庫修正和擴(kuò)充方法
4.3 本章小結(jié)
5 基于行為特征的非侵入式負(fù)荷識(shí)別方法效果驗(yàn)證
5.1 事件檢測(cè)和事件匹配方法效果驗(yàn)證
5.1.1 BLUED數(shù)據(jù)集驗(yàn)證
5.1.2 實(shí)驗(yàn)室數(shù)據(jù)驗(yàn)證
5.1.3 實(shí)測(cè)家庭數(shù)據(jù)驗(yàn)證
5.2 引入行為特征的負(fù)荷識(shí)別方法效果驗(yàn)證
5.2.1 BLUED數(shù)據(jù)驗(yàn)證
5.2.2 實(shí)測(cè)家庭數(shù)據(jù)驗(yàn)證
5.3 本章小結(jié)
6 總結(jié)與展望
6.1 論文工作總結(jié)
6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
附錄
A.作者在攻讀碩士學(xué)位期間發(fā)表的論文目錄
本文編號(hào):3874651
本文鏈接:http://sikaile.net/kejilunwen/dianlilw/3874651.html
最近更新
教材專著