發(fā)布時間：2021-11-08 01:43

　　隨著“泛在電力物聯(lián)網(wǎng)”的提出,信息化與智能化已經(jīng)成為智能電網(wǎng)的一個發(fā)展方向。一方面,利用通信技術,實現(xiàn)底層電氣設備和云平臺的廣泛交流;另一方面,隨著人工智能、數(shù)據(jù)挖掘技術的逐漸成熟,電網(wǎng)數(shù)據(jù)價值需要更深一步的挖掘,更好地完善應用層的用戶服務。電網(wǎng)企業(yè)可以通過兩個方面實現(xiàn)業(yè)務轉型升級,促進社會經(jīng)濟的可持續(xù)發(fā)展。目前,仍有部分電氣設備不能滿足物聯(lián)網(wǎng)發(fā)展的要求,但更換這些電氣設備的成本比較昂貴。本文設計并制作了一款電力網(wǎng)關硬件平臺,旨在解決部分電氣設備的數(shù)據(jù)無法上傳至云平臺的問題。硬件上,本文利用FET335XS-Ⅱ核心板,在其周圍設計了 RS485、USB、以太網(wǎng)、無線遠距離等接口電路和供電電路;軟件上,本文以嵌入式Linux操作平臺為基礎,在數(shù)據(jù)傳輸方面,實現(xiàn)對電氣設備的數(shù)據(jù)采集,將設備層的Modbus數(shù)據(jù)協(xié)議解析處理,再封裝成MQTT協(xié)議幀,通過遠程無線網(wǎng)絡上傳至云端。其次,嵌入BOA Web服務器和SQlite3數(shù)據(jù)庫,實現(xiàn)了電力網(wǎng)關參數(shù)的配置功能;利用對U盤的操作,實現(xiàn)系統(tǒng)升級服務。最后經(jīng)過實驗測試表明,該電力網(wǎng)關具有針對性強、成本低廉等特點,滿足了電力場合的基本功能需求。電力網(wǎng)關... 

【文章來源】：西安理工大學陜西省

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 國內外研究進展
        1.2.1 電力物聯(lián)網(wǎng)的國內外發(fā)展
        1.2.2 物聯(lián)網(wǎng)網(wǎng)關的研究進展
        1.2.3 異常用電行為檢測的國內研究進展
    1.3 本文主要研究內容及章節(jié)安排
    1.4 本章小結
2 電力網(wǎng)關總體設計
    2.1 物聯(lián)網(wǎng)架構介紹及電力網(wǎng)關需求分析
        2.1.1 物聯(lián)網(wǎng)的分層網(wǎng)絡架構介紹
        2.1.2 電力網(wǎng)關的需求分析
    2.2 電力網(wǎng)關設計方案研究
        2.2.1 電力網(wǎng)關通信方式方案論證
        2.2.2 電力網(wǎng)關軟件平臺方案論證
    2.3 電力網(wǎng)關通信協(xié)議的介紹
        2.3.1 Modbus協(xié)議
        2.3.2 MQTT協(xié)議
    2.4 電力網(wǎng)關的系統(tǒng)框架
    2.5 本章小結
3 電力網(wǎng)關的實現(xiàn)
    3.1 硬件的設計
        3.1.1 硬件電路總體架構
        3.1.2 硬件電路設計
    3.2 軟件的設計
        3.2.1 嵌入式軟件開發(fā)平臺的介紹
        3.2.2 串口接收數(shù)據(jù)程序
        3.2.3 遠程無線網(wǎng)絡的搭建
        3.2.4 接收與發(fā)送數(shù)據(jù)間通信的設計
        3.2.5 本地配置
        3.2.6 程序升級服務
    3.3 電力網(wǎng)關功能測試
        3.3.1 測試平臺的搭建
        3.3.2 本地配置服務測試
        3.3.3 云平臺接入測試
    3.4 本章小結
4 用電異常行為的分析
    4.1 異常用電行為概述
    4.2 異常用電行為基本模型
    4.3 基于傳統(tǒng)思路的檢測方法
    4.4 基于機器學習的檢測方法
        4.4.1 機器學習主要算法分類
        4.4.2 機器學習開發(fā)流程
    4.5 本章小結
5 基于多分類器組合的用電異常行為檢測
    5.1 相關理論基礎的研究
        5.1.1 邏輯回歸
        5.1.2 支持向量機
        5.1.3 隨機森林
        5.1.4 BP神經(jīng)網(wǎng)絡
        5.1.5 多分類器組合
    5.2 電力用電數(shù)據(jù)的處理
        5.2.1 數(shù)據(jù)集構建及介紹
        5.2.2 數(shù)據(jù)清洗
        5.2.3 特征提取
        5.2.4 數(shù)據(jù)歸一化和降維
    5.3 模型構建與實驗分析
        5.3.1 基于基分類器的異常用電行為檢測實驗
        5.3.2 基于多分類器組合模型的異常用電行為檢測實驗
        5.3.3 模型比較
    5.4 本章小結
6 總結與展望
    6.1 全文總結
    6.2 后續(xù)工作及展望
致謝
參考文獻
攻讀學位期間主要研究成果


【參考文獻】：
期刊論文
[1]基于網(wǎng)格搜索與交叉驗證的SVR血壓預測[J]. 奚杏杏,劉宇紅,張榮芬.  計算機與現(xiàn)代化. 2020(03)
[2]泛在電力物聯(lián)網(wǎng)研究現(xiàn)狀分析[J]. 肖白,周文凱,姜卓,綦雪松,牛湘智.  發(fā)電技術. 2020(01)
[3]解讀泛在電力物聯(lián)網(wǎng)[J]. 孫彬.  電氣時代. 2020(01)
[4]淺談泛在電力物聯(lián)網(wǎng)的接入網(wǎng)技術[J]. 周亮亮,王建鋒.  中國新通信. 2019(22)
[5]嵌入式系統(tǒng)Web服務器的移植與CGI的應用[J]. 田晨林,陳正宇.  金陵科技學院學報. 2019(02)
[6]一種通用MODBUS物聯(lián)網(wǎng)網(wǎng)關設計與實現(xiàn)[J]. 陳文藝,張楊旭,楊輝.  西安郵電大學學報. 2019(03)
[7]泛在電力物聯(lián)網(wǎng)來了[J]. 朱金鳳.  電氣時代. 2019(04)
[8]機器學習中的PCA降維方法研究及其應用[J]. 孫平安,王備戰(zhàn).  湖南工業(yè)大學學報. 2019(01)
[9]異常用電的檢測方法:評述與展望[J]. 陳啟鑫,鄭可迪,康重慶,皇甫奮宇.  電力系統(tǒng)自動化. 2018(17)
[10]基于時間序列算法計算用電異常的研究[J]. 成冰,萬磊,潘彥含,陳亞力.  信息通信. 2018(01)

碩士論文
[1]機器學習在客戶用電行為分析中的應用研究[D]. 張?zhí)裉?西安石油大學 2019
[2]基于MQTT的物聯(lián)網(wǎng)云平臺設計與實現(xiàn)[D]. 趙星澤.華北理工大學 2019
[3]基于PCA改進與SVM相結合的人臉識別算法研究[D]. 李潤青.昆明理工大學 2018
[4]基于FPGA的4G與PROFIBUS嵌入式網(wǎng)關研究與實現(xiàn)[D]. 李曉坤.吉林大學 2017
[5]基于Cortex-A9的物聯(lián)網(wǎng)網(wǎng)關設計與實現(xiàn)[D]. 羅志來.成都理工大學 2017
[6]基于嵌入式Linux的智能家居系統(tǒng)設計[D]. 李冬琦.江蘇科技大學 2017
[7]電能計量數(shù)據(jù)聚類分析與竊電檢測研究[D]. 曾虎.昆明理工大學 2017
[8]基于STM32智能家居的無線網(wǎng)關設計與實現(xiàn)[D]. 劉振.浙江理工大學 2017
[9]物聯(lián)網(wǎng)網(wǎng)關的設計與實現(xiàn)[D]. 徐勤豐.浙江工業(yè)大學 2016
[10]基于Linux的實時數(shù)據(jù)網(wǎng)關關鍵技術的研究與實現(xiàn)[D]. 侯志強.云南大學 2016



本文編號：3482750