基于负熵估计的居民用电负荷非侵入式分解算法

发布时间：2018-04-18 09:16

  本文选题：非侵入式负荷监测 + 负荷分解　； 参考：《电网技术》2017年03期

【摘要】：非侵入式负荷监测是实现能效跟踪与智能用电的重要技术,其中,负荷辨识方法是非常重要的内容。为此研究了一种非侵入监测机制下的居民负荷快速分解算法。利用非侵入负荷监测模式下负荷总电流信号是负荷单独运行时电流信号混合叠加的特点,将负荷分解问题有效建模为盲源分离问题。对混合电流信号进行白化处理,并构建解混矩阵,基于负熵最大化判别准则形成了有效的居民用电负荷分解算法,并构建评价函数对分解结果进行量化分析。为了验证算法的有效性,利用实际采集的用电数据进行负荷分解,均能够准确地从混合电流信号中分解出各个单独的叠加信号,即得到当前参与运行的用电负荷,并能够根据相似系数确定负荷类型,实现负荷辨识。
[Abstract]:Non-intrusive load monitoring is an important technology to realize energy efficiency tracking and intelligent power consumption, among which load identification method is very important.In this paper, a fast decomposition algorithm of resident load based on non-intrusive monitoring mechanism is studied.The load decomposition problem is effectively modeled as a blind source separation problem based on the fact that the load total current signal is mixed and superposed when the load is running separately under the non-intrusive load monitoring mode.The mixed current signal is whitened, and the unmixing matrix is constructed. Based on the criterion of negative entropy maximization, an effective decomposition algorithm for residential electric load is formed, and an evaluation function is constructed to analyze the decomposition results quantitatively.In order to verify the validity of the algorithm, using the actual collected electric data to decompose the load, each single superposition signal can be accurately decomposed from the mixed current signal, that is, the electric load participating in the current operation can be obtained.The load type can be determined according to the similarity coefficient and load identification can be realized.
【作者单位】： 华北电力大学电气与电子工程学院;
【基金】：国家重点研发计划项目课题(2016YFB0901104)资助 中央高校基本科研业务费专项资金资助项目(2016MS13)~~
【分类号】：TM714

【参考文献】

相关期刊论文 前8条

1 刘博;栾文鹏;;基于负荷分解的用电数据云架构方案及应用场景[J];电网技术;2016年03期

2 田世明;王蓓蓓;张晶;;智能电网条件下的需求响应关键技术[J];中国电机工程学报;2014年22期

3 张群洪;;基于集成智能方法的电力短期负荷预测[J];系统工程理论与实践;2013年02期

4 牛卢璐;贾宏杰;;一种适用于非侵入式负荷监测的暂态事件检测算法[J];电力系统自动化;2011年09期

5 王智冬;李晖;李隽;韩丰;;智能电网的评估指标体系[J];电网技术;2009年17期

6 胡学浩;;智能电网——未来电网的发展态势[J];电网技术;2009年14期

7 马进;贺仁睦;王景钢;周彦军;;综合负荷模型参数的简化辨识策略[J];电网技术;2006年09期

8 申丽岩;方滨;沈毅;;基于负熵极大的独立分量分析方法[J];中北大学学报(自然科学版);2005年06期

相关硕士学位论文 前4条

1 张玲玲;基于HSMM的非侵入式家庭电力负荷分解算法研究[D];太原科技大学;2014年

2 刘博;非侵入式电力负荷监测与分解技术[D];天津大学;2014年

3 赵春柳;基于稳态谐波分析的非侵入式电力负荷分解法的应用研究[D];天津大学;2009年

4 杨志聪;语音信号的盲分离算法研究[D];武汉科技大学;2009年

【共引文献】

相关期刊论文 前10条

1 焦丰顺;张劲松;唐晟;李效臻;李志铿;;智能配电网项目综合效益分析评价方法研究[J];南方能源建设;2017年01期

2 田江;田春桃;;能源互联网中微网智能体决策过程分析[J];物流工程与管理;2017年03期

3 刘育权;吴琼;姜子卿;艾芊;;基于需求响应的跨区域互联电力市场输电阻塞管理[J];南方电网技术;2017年02期

4 闫华光;陈宋宋;李世豪;李德智;董明宇;;需求响应发展现状及趋势研究[J];供用电;2017年03期

5 孙毅;崔灿;陆俊;郝建红;刘向军;;基于差量特征提取与模糊聚类的非侵入式负荷监测方法[J];电力系统自动化;2017年04期

6 陈鸿川;刘博;栾文鹏;李秋硕;;用于非侵入式电力负荷监测的改进Viterbi算法[J];电力系统及其自动化学报;2017年02期

7 武昕;祁兵;韩璐;王震;董超;;基于模板滤波的居民负荷非侵入式快速辨识算法[J];电力系统自动化;2017年02期

8 李晓君;刘艳丽;齐文瑾;曾沅;黄瀚;刘林;;基于成熟度的智能电网综合评估模型及其软件[J];电力系统及其自动化学报;2017年01期

9 刘迎澍;康伟娇;;基于模糊控制的光储微网系统能量管理策略[J];电力系统及其自动化学报;2017年01期

10 许立;张敬周;赵要强;吴国文;;基于弹性滑窗FFT的用电设备在线状态监测研究与应用[J];计算机应用与软件;2017年01期

相关硕士学位论文 前5条

1 程媛;家用电器负荷在线参数辨识方法的研究[D];华北电力大学(北京);2016年

2 王志超;住宅用电负荷的非侵入式监测方法研究[D];重庆大学;2015年

3 刘然;结合改进最近邻法与支持向量机的住宅用电负荷识别研究[D];重庆大学;2014年

4 张玲玲;基于HSMM的非侵入式家庭电力负荷分解算法研究[D];太原科技大学;2014年

5 刘博;非侵入式电力负荷监测与分解技术[D];天津大学;2014年

【二级参考文献】

相关期刊论文 前10条

1 王继业;季知祥;史梦洁;黄复鹏;朱朝阳;张东霞;;智能配用电大数据需求分析与应用研究[J];中国电机工程学报;2015年08期

2 张东霞;苗新;刘丽平;张焰;刘科研;;智能电网大数据技术发展研究[J];中国电机工程学报;2015年01期

3 栾文鹏;余贻鑫;王兵;;AMI数据分析方法[J];中国电机工程学报;2015年01期

4 赵腾;张焰;张东霞;;智能配电网大数据应用技术与前景分析[J];电网技术;2014年12期

5 栾文鹏;王冠;徐大青;;支持多种服务和业务融合的高级量测体系架构[J];中国电机工程学报;2014年29期

6 赵莉;候兴哲;胡君;傅宏;孙洪亮;;基于改进k-means算法的海量智能用电数据分析[J];电网技术;2014年10期

7 高赐威;梁甜甜;李扬;;自动需求响应的理论与实践综述[J];电网技术;2014年02期

8 孙宇军;李扬;王蓓蓓;刘小聪;;需求响应促进可再生能源消纳的运作模式研究[J];电力需求侧管理;2013年06期

9 史常凯;张波;盛万兴;孙军平;仉天舒;;灵活互动智能用电的技术架构探讨[J];电网技术;2013年10期

10 陈璐;杨永标;姚建国;杨胜春;宋杰;王蓓蓓;;基于电力积分的需求响应激励机制设计[J];电力系统自动化;2013年18期

相关硕士学位论文 前7条

1 雷冬梅;非侵入式电路故障诊断及家用电器用电状况在线监测算法研究[D];重庆大学;2012年

2 陈锦攀;电力负荷预测评估分析算法研究及其应用[D];湖南大学;2011年

3 牛卢璐;基于暂态过程的非侵入式负荷监测[D];天津大学;2010年

4 赵春柳;基于稳态谐波分析的非侵入式电力负荷分解法的应用研究[D];天津大学;2009年

5 陈维;基于内容的图像搜索中索引及优化技术研究[D];华中科技大学;2007年

6 田建华;基于HSMM的人脸表情识别技术[D];江苏大学;2007年

7 陈跃芳;短期电力负荷预测方法研究与系统设计[D];浙江大学;2006年

【相似文献】

相关期刊论文 前10条

1 ;上海最高用电负荷直逼历史纪录[J];上海电力;2008年03期

2 ;上海人均用电负荷达1.1kW[J];电力与能源;2012年05期

3 ;北京用电负荷大幅增加[J];农电管理;1996年02期

4 陈雁;李荣民;;2005年夏季上海市最高日用电负荷还原分析[J];华东电力;2005年11期

5 马玉;;用电负荷预测技术及其应用[J];安徽电气工程职业技术学院学报;2007年01期

6 赵敏芬;卢兆民;臧传花;;夏季日平均用电负荷的统计预报[J];山东气象;2007年03期

7 任二罗;;浅谈住宅小区的用电负荷及配电[J];科技资讯;2009年28期

8 曾国新;;某高校学生公寓的用电负荷及经济运行[J];广东建材;2010年03期

9 贺芳芳;史军;;上海地区夏季气温变化对用电负荷的影响[J];长江流域资源与环境;2011年12期

10 汤德明;;住户用电负荷计算浅析[J];住宅科技;1991年12期

相关会议论文 前9条

1 刘琦;李清华;何瀚原;裴克莉;;太原市用电负荷特性及与气象条件关系的研究[A];中国气象学会2008年年会城市气象与城市可持续发展分会场论文集[C];2008年

2 林铍德;路名芬;雷桂莲;鲍新宇;;江西省全网夏季用电负荷研究与预测[A];中国气象学会2006年年会“灾害性天气系统的活动及其预报技术”分会场论文集[C];2006年

3 于巧梅;朱宵峰;蒋峰;;气温变化对用电负荷影响的分析[A];平安浙江气象保障学术论坛论文集[C];2005年

4 江胜国;程林;汤继云;;应用逐步回归方法预测日最大用电负荷[A];中国气象学会2008年年会城市气象与城市可持续发展分会场论文集[C];2008年

5 于巧梅;朱宵峰;蒋峰;;气温变化对用电负荷影响的分析[A];第二届浙江中西部科技论坛论文集第二卷（气象分卷）[C];2005年

6 林铍德;雷桂莲;;气象因子对夏季用电负荷影响的研究[A];江西省气象部门第二届高级工程师技术述职报告会论文集[C];2005年

7 叶晓东;;宁波市单位建设用地用电负荷指标研究[A];城市时代，协同规划——2013中国城市规划年会论文集（05-工程防灾规划）[C];2013年

8 贺芳芳;徐家良;周伟东;穆海振;雷小途;;上海地区高温日气象条件对用电影响的评估[A];第六届长三角气象科技论坛论文集[C];2009年

9 盛琼;朱晓东;骆丽楠;顾泽;;湖州市用电需求特性及其与气象条件的关系研究[A];第26届中国气象学会年会预测与公共服务分会场论文集[C];2009年

相关重要报纸文章 前10条

1 通讯员　 朱剑;市本级用电负荷再创新高[N];嘉兴日报;2006年

2 钟利霞;南康用电负荷突破12万千瓦[N];中国电力报;2009年

3 王永珍 林丽萍;全省用电负荷突破历史最高纪录[N];福建日报;2014年

4 记者 朱泓宇;我市今夏最高用电负荷预计增长25%[N];宿迁日报;2014年

5 记者 李欣智;昭通地区最高用电负荷恢复至震前水平[N];中国电力报;2014年

6 记者 陆彦平 通讯员 杨飞;我市用电负荷创历史新高[N];淮安日报;2014年

7 通讯员 林海宇;华东用电负荷突破一亿千瓦[N];中国电力报;2006年

8 吴东升 王永珍;我省用电负荷连创新高[N];福建日报;2006年

9 赵维光;申城用电负荷昨创新高[N];文汇报;2007年

10 本报记者 肖明;用电负荷大幅增加 是否回暖犹需观望[N];21世纪经济报道;2009年

相关博士学位论文 前1条

1 孙欣尧;信息物理能源系统需求侧协作测量与能效优化方法研究[D];清华大学;2014年

相关硕士学位论文 前4条

1 谭佳楠;微电源与用电负荷优化配置的研究[D];合肥工业大学;2016年

2 徐卓;用电负荷谐波特性及仿真技术研究[D];东南大学;2016年

3 林承就;福州市住宅小区用电负荷计算的研究[D];中南大学;2008年

4 林锦波;聚类融合与深度学习在用电负荷模式识别的应用研究[D];华南理工大学;2014年

，

本文编号：1767729