面向智能用电的非侵入式居民负荷监测关键技术研究

发布时间：2021-05-19 03:22

　　电力用户电器使用状态和用电行为的监测与分析能为用户侧需求响应、能效管理与电价政策等精细化用电服务提供数据支撑,是实现灵活互动智能用电的关键环节。目前用户负荷状态数据的监测主要依靠在用户内部安装大量的电器状态监测感应装置,给用户的生产生活产生了一定的干扰,监测装置高昂的研制成本也给整个电网带来了经济性难题,在电力居民用户中推广难度较大。本文研究面向智能用电的非侵入式居民负荷监测关键技术,旨在利用现有用电侧数据获取与处理能力,从居民用户负荷数据压缩传输、负荷特征提取与识别等方面解决上述技术难题,获取精准的用电负荷数据,实现非侵入式的居民负荷监测。面对智能用电海量精细负荷数据的通信传输、种类繁多的电器负荷的准确识别以及精细化用电服务的用电行为挖掘等技术需求,本文面向智能用电的非侵入式居民负荷监测关键技术包括非侵入式负荷监测数据压缩感知与传输方法、非侵入式负荷监测特征提取方法、非侵入式负荷监测识别算法和非侵入式异常用电行为检测方法四个方面,具体内容如下:针对非侵入式负荷监测数据对数据采样频率和通信效率的需求,建立非侵入式负荷监测数据压缩感知模型,分析用电负荷数据压缩感知可行性并建立数据稀疏和观... 

【文章来源】：华北电力大学(北京)北京市 211工程院校 教育部直属院校

【文章页数】：120 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 用电负荷数据传输研究现状
        1.2.2 非侵入式负荷监测研究现状
        1.2.3 负荷监测数据挖掘研究现状
    1.3 本文主要研究内容和创新点
    1.4 本文章节结构
第2章 非侵入式负荷监测数据压缩感知与传输方法研究
    2.1 引言
    2.2 压缩感知原理
    2.3 非侵入式负荷监测数据压缩感知建模
        2.3.1 数据采集模型
        2.3.2 稀疏性分析
        2.3.3 观测矩阵构建与分析
    2.4 非侵入式负荷监测数据重构方法
        2.4.1 改进迭代阈值重构方法
        2.4.2 重构实现过程
        2.4.3 实验结果与分析
    2.5 基于压缩感知的非侵入式负荷监测数据WSN传输方法
        2.5.1 WSN压缩感知路由分析
        2.5.2 基于混合压缩感知的WSN优化分簇模型
        2.5.3 优化分簇路由算法
        2.5.4 算法仿真分析
    2.6 本章小结
第3章 非侵入式负荷监测特征提取方法研究
    3.1 引言
    3.2 负荷特征提取原理
        3.2.1 暂态特征提取方法
        3.2.2 稳态特征提取方法
        3.2.3 特征提取必要性分析
    3.3 非活性电流谐波负荷特征提取方法
        3.3.1 基本思想
        3.3.2 非活性电流谐波特征提取
        3.3.3 特征相似性分析
    3.4 基于改进模糊聚类的差量特征提取方法
        3.4.1 基本思想
        3.4.2 负荷差量特征提取
        3.4.3 改进模糊聚类实现
        3.4.4 实验结果与分析
    3.5 本章小结
第4章 非侵入式负荷监测识别算法研究
    4.1 引言
    4.2 非侵入式负荷识别原理
        4.2.1 问题描述
        4.2.2 遗传算法基本原理
        4.2.3 神经网络基本原理
    4.3 基于多特征遗传目标函数优化的负荷识别算法
        4.3.1 算法基本思想
        4.3.2 多特征优化负荷识别目标函数模型
        4.3.3 算法实现
        4.3.4 实验结果与分析
    4.4 基于遗传优化神经网络的非侵入式负荷识别算法
        4.4.1 算法基本思想
        4.4.2 神经网络遗传迭代优化模型
        4.4.3 算法实现
        4.4.4 实验结果与分析
    4.5 本章小结
第5章 非侵入式异常用电行为检测方法研究
    5.1 引言
    5.2 异常用电行为检测原理
    5.3 异常用电行为特征优化选择策略
        5.3.1 基于NILM的用电行为特征建模
        5.3.2 特征优化选择策略
    5.4 异常用电极限学习机检测算法
        5.4.1 极限学习机网络
        5.4.2 异常用电检测算法实现过程
    5.5 实验结果与分析
        5.5.1 特征优化与选择结果分析
        5.5.2 ELM异常检测结果分析
    5.6 本章小结
第6章 总结与展望
    6.1 论文工作总结
    6.2 今后工作展望
参考文献
攻读博士学位期间发表的论文及其他成果
攻读博士学位期间参加的科研工作
致谢
作者简介


【参考文献】：
期刊论文
[1]基于模板滤波的居民负荷非侵入式快速辨识算法[J]. 武昕,祁兵,韩璐,王震,董超.  电力系统自动化. 2017(02)
[2]基于负熵估计的居民用电负荷非侵入式分解算法[J]. 武昕,王震.  电网技术. 2017(03)
[3]非侵入式负荷监测与分解研究综述[J]. 程祥,李林芝,吴浩,丁一,宋永华,孙维真.  电网技术. 2016(10)
[4]基于Fisher有监督判别的非侵入式居民负荷辨识方法[J]. 祁兵,程媛,武昕.  电网技术. 2016(08)
[5]航天发射场电力传输线WSN定位算法与仿真[J]. 徐以福.  太赫兹科学与电子信息学报. 2016(02)
[6]基于无监督学习的电力用户异常用电模式检测[J]. 庄池杰,张斌,胡军,李秋硕,曾嵘.  中国电机工程学报. 2016(02)
[7]基于马尔科夫链的模糊认知图在智能配电网WSN通信QoS优化研究[J]. 王君洪,陈跃东,陈孟元.  电子测量与仪器学报. 2016(01)
[8]稀疏编码模型在电力用户异常用电行为探测中的应用研究（英文）[J]. 周李,赵露君,高卫国.  电网技术. 2015(11)
[9]灵活互动的智能用电展望与思考[J]. 李扬,王蓓蓓,李方兴.  电力系统自动化. 2015(17)
[10]面向家庭用户的用电负荷分解方法[J]. 娄建楼,于华涛,曲朝阳.  吉林大学学报(理学版). 2015(04)

博士论文
[1]面向智能配用电的无线传感器网络路由优化协议研究[D]. 冯森.华北电力大学 2015

硕士论文
[1]基于数据挖掘的商业电力负荷预测及用电优化算法研究[D]. 杨屹洲.华侨大学 2015
[2]基于有监督学习的查询扩展技术研究[D]. 李维银.北京理工大学 2015
[3]基于短距离无线通信的智能电力集中抄表系统研制[D]. 田婕.山东大学 2014
[4]基于非侵入式负载监测的微电网电能管理研究[D]. 谢家宝.燕山大学 2012
[5]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]. 雷冬梅.重庆大学 2012
[6]基于数据挖掘的电力行业客户细分模型研究[D]. 王雷.上海交通大学 2007
[7]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：3195015