針對負(fù)荷事件檢測和負(fù)荷辨識在非侵入式負(fù)荷監(jiān)測上的應(yīng)用,提出了一種基于CUSUM(cumulative sum)滑動窗的二維離散模糊數(shù)電力負(fù)荷檢測方法。該方法首先根據(jù)基于改進的滑動窗的CUSUM負(fù)荷事件檢測算法,摒棄了累加值閾值判斷機制,采用累積所占比判斷設(shè)備的負(fù)荷投切情況;然后從有功P和無功Q兩種典型的負(fù)荷標(biāo)簽特征出發(fā),采用二維離散模糊數(shù)算法,將用電設(shè)備的特征轉(zhuǎn)換為離散模糊數(shù)矩陣,并結(jié)合矩陣質(zhì)心和評判比例得出最終評價值,進而實現(xiàn)負(fù)荷的辨識。最后,通過多個用電負(fù)荷投切實驗,發(fā)現(xiàn)通過文中方法得到的結(jié)果與實際負(fù)荷投切的結(jié)果一致,并與其他現(xiàn)有的方法進行了比較,驗證了該方法的有效性。

【文章頁數(shù)】：8 頁

【部分圖文】：

圖4負(fù)荷事件檢測

圖3用電設(shè)備投切曲線圖5負(fù)荷辨識

圖5負(fù)荷辨識

圖4負(fù)荷事件檢測2）計算評價等級。根據(jù)fP和fQ評定各級特征，考慮7種等級的模糊語言：

圖1雙邊CUSUM算法滑動窗模型

在非參數(shù)化雙邊CUSUM中，由于閾值h是一個全局性的參數(shù)，通常由被檢測的最小負(fù)荷特征值突變決定。為了降低受閾值h大小的影響，采用對W2數(shù)據(jù)歸一化的方式進行處理，先獲得W2窗內(nèi)數(shù)值的最大、最小值，計算整個窗口的面積，然后計算窗口內(nèi)數(shù)據(jù)的累加和與整個窗口的面積進行比較，當(dāng)超過一定的比....

圖2用電設(shè)備運行曲線圖

燒水壺：fP=0.9548,fQ=0.2751圖3用電設(shè)備投切曲線

本文編號：3908667