居民负荷识别与分解研究
发布时间：2021-01-03 09:41
首先,本文实际测量了不同组合负荷的电气量数据,并逐一对电流、功率、谐波三类特征在不同负荷上的表现做了细致的分析。然后对采集到的数据集进行数据预处理与特征选择,通过皮尔森相关系数、随机森林重要度评估、主成分分析和小波除噪几种方法过滤掉无效的样本特征变量并筛选出更合适的特征变量。其次,针对目前居民负荷识别存在的问题,本文提出了一种基于多标签随机森林的非侵入式负荷识别方法。首先采用多标签技术对传统随机森林进行改编,通过构建多标签CART决策树组成多标签随机森林,接着然后对多标签随机森林进行优化和调参,使模型能够达到一个较好的状态。该算法支持多标签数据集,可以较好地处理复杂情况下的负荷识别问题,进一步扩展了传统树类算法的适用范围。仿真测试结果表明该负荷识别方法快速高效,识别精度极高,泛化能力强,抗噪性能优越,训练成本低,对比单标签随机森林及其他算法有很大的优点,有助于非侵入式居民负荷识别的进一步研究、应用和推广。再次,本文还将深度森林这一新兴的算法首次应用到负荷识别上来,并取得了较好的识别效果。深度森林在性能上媲美深度神经网络,但训练成本更低,而且相比深度神经网络需要更少的超参数,即便在默认参...
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：96 页
【学位级别】：硕士
【部分图文】：
负荷识别的一般流程图
硕士学位论文4负荷数量有限的环境，负荷识别算法能够高效地应用。对于负荷数量负，负荷种类和状态复杂的场景，使用深度神经网络的负荷分解算法可能更为适用。图1-2负荷分解的一般流程图Figure1-2Generalflowchartofloaddisaggregation1.2国内外研究现状（Researchstatusathomeandabroad）1.2.1国内研究现状国内相关的研究大多数集中于负荷识别工作，还有一部分专注于事件检测的相关工作，研究者们一般会从负荷识别中的特征数据的提取和选择以及识别模型和算法这两个主要部分进行创新和提升。从事负荷分解相关方面的研究较少，但随着最近两年负荷分解热潮的兴起，越来越多的研究者把目光从负荷识别转到了负荷分解方向。在研究现状方面，文献[22]综述了目前国内外在非侵入式负荷监测方面的研究进展，按基本原理、流程步骤、重要算法、指标衡量的顺序进行详细的论述，简要说明了这一方向在智能电网中的一些实践应用，并指出了非侵入式负荷监测未来可能的研究方向。特征的提娶处理与选择方面，文献[23]通过提取负荷电流的波形特征得到了较为精确的结果。文献[24]不采用稳态数据作为特征，而把负荷开关时的暂态波形和功率变化值这些暂态数据作为特征，并将数据库分为大功率和小功率两个子数据库，大大缩小了匹配范围，间接提升了准确率，最后采用欧氏距离作为度量相似性进行识别。文献[25]对暂态电流进行离散S变换，把谐波的幅值作为作为特征进行识别，但该方法会因特征电流信息提取不充分导致识别率较低。文献[26]提取了暂态电流均值、方差等多维数据波形作为识别特征。适用于数据相差较大的识别场景，不易识别出相似的负荷。文献[27]将倒谱分析引入到了特征选择之中，把负荷的电流波形的倒谱系数添加进了负荷识别的特征，最后采用决策树模?
2负荷特征采集与分析132.2负荷特征分析（Loadcharacteristicanalysis）2.2.1电压和频率特征说明从图2-1频率折线图可以看出，频率的波动范围极小，频率的最小值为49.954Hz，最大值为50.044Hz。以50Hz市电为标准进行计算，波动的变化范围在-0.092%到+0.088%之间，可以认为频率是一个环境定值，基本不受负荷影响，因此频率不能作为区分负荷的特征。图2-1频率折线图Figure2-1Linechartoffrequency电压特征还存在不同国家都不同的情况，我国的电压标准是220V，中国香港、德国、法国、英国等多数欧洲国家是230V，美国和加拿大则是120V，中国台湾是110V，日本是100V。因此，考虑到不同数据集的电压标准可能存在不同，对待电压特征的处理办法有两种，一种是将不同标准的电压进行标准化的换算，另一种则是根据实际情况不把电压列为负荷的特征。如果将电压进行标准化的换算，由于有功功率是固定不变的，所以电流值特征也势必会跟着进行变动，这会进一步增大计算量。同样地，从图2-2电压有效值折线图可以看出，电压的波动虽然较频率相对来说大了一些，但整体波动范围仍然较小，电压有效值的最小值为220.58V，最大值为232.735V。以市电220V为标准进行计算，波动的变化范围在+0.26%到+5.789%之间。图2-2电压有效值折线图Figure2-2Linechartofeffectivevalueofvoltage
【参考文献】：
期刊论文
[1]基于改进遗传算法的非侵入式电器负荷识别[J]. 徐琳,丁理杰,林瑞星. 沈阳工业大学学报. 2019(01)
[2]基于广义回归神经网络的非侵入式负荷识别方法[J]. 江帆,杨洪耕. 电测与仪表. 2020(03)
[3]基于小波设计和数据挖掘算法协同训练的非侵入式负载识别[J]. 周步祥,张致强,袁岳,刘治凡,廖敏芳. 电测与仪表. 2019(04)
[4]基于DTW算法的非侵入式家居负荷行为识别方法[J]. 华亮亮,黄伟,杨子力,王钰,张可佳. 电测与仪表. 2019(14)
[5]基于监督学习的非侵入式负荷监测算法比较[J]. 涂京,周明,宋旭帆,周光东,李庚银. 电力自动化设备. 2018(12)
[6]基于云平台的非侵入式负荷监测与识别系统[J]. 陈彭鑫,仲思东. 电子技术应用. 2018(09)
[7]基于非侵入式负荷监测的居民用电行为分析[J]. 周明,宋旭帆,涂京,李庚银,栾开宁. 电网技术. 2018(10)
[8]非侵入式负荷识别中的小波去噪分析[J]. 陈柯豪,王燕祥,宣磊,沈国富,刘明. 云南电力技术. 2018(04)
[9]基于改进聚类和DTW的非侵入式负荷识别[J]. 王丹,黄小莉. 信息通信. 2018(07)
[10]一种基于倒谱分析的非侵入式负荷监测方法[J]. 詹航,竺红卫,朱领军. 电子技术. 2018(05)
博士论文
[1]智能电网中基于负荷分析的需求侧管理体系发展研究[D]. 郭皓池.华北电力大学 2014
硕士论文
[1]非侵入式负荷分解算法的综合研究[D]. 李雨轩.北京交通大学 2016
[2]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]. 刘然.重庆大学 2014
[3]神经网络在学生公寓用电负荷识别中的应用研究[D]. 郑宇.重庆大学 2007
本文编号：2954758
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：96 页
【学位级别】：硕士
【部分图文】：
负荷识别的一般流程图
硕士学位论文4负荷数量有限的环境，负荷识别算法能够高效地应用。对于负荷数量负，负荷种类和状态复杂的场景，使用深度神经网络的负荷分解算法可能更为适用。图1-2负荷分解的一般流程图Figure1-2Generalflowchartofloaddisaggregation1.2国内外研究现状（Researchstatusathomeandabroad）1.2.1国内研究现状国内相关的研究大多数集中于负荷识别工作，还有一部分专注于事件检测的相关工作，研究者们一般会从负荷识别中的特征数据的提取和选择以及识别模型和算法这两个主要部分进行创新和提升。从事负荷分解相关方面的研究较少，但随着最近两年负荷分解热潮的兴起，越来越多的研究者把目光从负荷识别转到了负荷分解方向。在研究现状方面，文献[22]综述了目前国内外在非侵入式负荷监测方面的研究进展，按基本原理、流程步骤、重要算法、指标衡量的顺序进行详细的论述，简要说明了这一方向在智能电网中的一些实践应用，并指出了非侵入式负荷监测未来可能的研究方向。特征的提娶处理与选择方面，文献[23]通过提取负荷电流的波形特征得到了较为精确的结果。文献[24]不采用稳态数据作为特征，而把负荷开关时的暂态波形和功率变化值这些暂态数据作为特征，并将数据库分为大功率和小功率两个子数据库，大大缩小了匹配范围，间接提升了准确率，最后采用欧氏距离作为度量相似性进行识别。文献[25]对暂态电流进行离散S变换，把谐波的幅值作为作为特征进行识别，但该方法会因特征电流信息提取不充分导致识别率较低。文献[26]提取了暂态电流均值、方差等多维数据波形作为识别特征。适用于数据相差较大的识别场景，不易识别出相似的负荷。文献[27]将倒谱分析引入到了特征选择之中，把负荷的电流波形的倒谱系数添加进了负荷识别的特征，最后采用决策树模?
2负荷特征采集与分析132.2负荷特征分析（Loadcharacteristicanalysis）2.2.1电压和频率特征说明从图2-1频率折线图可以看出，频率的波动范围极小，频率的最小值为49.954Hz，最大值为50.044Hz。以50Hz市电为标准进行计算，波动的变化范围在-0.092%到+0.088%之间，可以认为频率是一个环境定值，基本不受负荷影响，因此频率不能作为区分负荷的特征。图2-1频率折线图Figure2-1Linechartoffrequency电压特征还存在不同国家都不同的情况，我国的电压标准是220V，中国香港、德国、法国、英国等多数欧洲国家是230V，美国和加拿大则是120V，中国台湾是110V，日本是100V。因此，考虑到不同数据集的电压标准可能存在不同，对待电压特征的处理办法有两种，一种是将不同标准的电压进行标准化的换算，另一种则是根据实际情况不把电压列为负荷的特征。如果将电压进行标准化的换算，由于有功功率是固定不变的，所以电流值特征也势必会跟着进行变动，这会进一步增大计算量。同样地，从图2-2电压有效值折线图可以看出，电压的波动虽然较频率相对来说大了一些，但整体波动范围仍然较小，电压有效值的最小值为220.58V，最大值为232.735V。以市电220V为标准进行计算，波动的变化范围在+0.26%到+5.789%之间。图2-2电压有效值折线图Figure2-2Linechartofeffectivevalueofvoltage
【参考文献】：
期刊论文
[1]基于改进遗传算法的非侵入式电器负荷识别[J]. 徐琳,丁理杰,林瑞星. 沈阳工业大学学报. 2019(01)
[2]基于广义回归神经网络的非侵入式负荷识别方法[J]. 江帆,杨洪耕. 电测与仪表. 2020(03)
[3]基于小波设计和数据挖掘算法协同训练的非侵入式负载识别[J]. 周步祥,张致强,袁岳,刘治凡,廖敏芳. 电测与仪表. 2019(04)
[4]基于DTW算法的非侵入式家居负荷行为识别方法[J]. 华亮亮,黄伟,杨子力,王钰,张可佳. 电测与仪表. 2019(14)
[5]基于监督学习的非侵入式负荷监测算法比较[J]. 涂京,周明,宋旭帆,周光东,李庚银. 电力自动化设备. 2018(12)
[6]基于云平台的非侵入式负荷监测与识别系统[J]. 陈彭鑫,仲思东. 电子技术应用. 2018(09)
[7]基于非侵入式负荷监测的居民用电行为分析[J]. 周明,宋旭帆,涂京,李庚银,栾开宁. 电网技术. 2018(10)
[8]非侵入式负荷识别中的小波去噪分析[J]. 陈柯豪,王燕祥,宣磊,沈国富,刘明. 云南电力技术. 2018(04)
[9]基于改进聚类和DTW的非侵入式负荷识别[J]. 王丹,黄小莉. 信息通信. 2018(07)
[10]一种基于倒谱分析的非侵入式负荷监测方法[J]. 詹航,竺红卫,朱领军. 电子技术. 2018(05)
博士论文
[1]智能电网中基于负荷分析的需求侧管理体系发展研究[D]. 郭皓池.华北电力大学 2014
硕士论文
[1]非侵入式负荷分解算法的综合研究[D]. 李雨轩.北京交通大学 2016
[2]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]. 刘然.重庆大学 2014
[3]神经网络在学生公寓用电负荷识别中的应用研究[D]. 郑宇.重庆大学 2007
本文编号：2954758
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/2954758.html
