非侵入式电力负荷识别研究
发布时间：2021-06-17 05:39
非侵入式电力负荷识别通过对进户端总线的电压、电流等负荷数据的采集、分析,完成电力负荷能耗信息的获取,对电力公司和用户而言,可引导用户参与电网“削峰填谷”的措施,以此提高电能使用效率。这为智能电网的发展提供数据支持,具有重要的社会经济效益。本文设计了非侵入式电力负荷监测装置,并采集了常见的实验室电力负荷的工作电压、电流、有功功率等波形数据,在分析电力负荷特征的基础上,分别利用基于滑动窗的CUSUM算法与ELM模型进行电力负荷投切事件检测和电力负荷类型识别,主要工作与成果如下:⑴针对电力负荷数据实时采集的需求,设计了一种基于HLW8112的非侵入式电力负荷监测装置。装置通过采样电阻和HLW8112单相电能计量芯片进行电流、电压等电力负荷数据采集,采用STM32F103微处理器进行电力负荷特性值的计算处理,并通过Wi Fi无线通信模块上传到上位机。实验结果表明该装置能对单负荷和多负荷工况实现监测。⑵采集了电力负荷的瞬时电流有效值、瞬时无功功率、瞬时有功功率波形数据,并设计了自适应高斯滤波对数据进行预处理,在分析电力负荷稳态及暂态电气特性的基础上,提取了6个负荷特征。⑶采用基于滑动窗的CUSU...
【文章来源】：浙江工业大学浙江省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
电力负荷监测环境Figure5-1.Themonitoringenvironmentofpowerload
浙江工业大学硕士学位论文46图5-2装置的电源模块和数据采集模块实物图Figure5-2.Thephysicaldiagramofthepowermoduleanddataacquisitionmoduleofthedevice图5-3装置的主控模块和通信模块实物图Figure5-3.Thephysicaldrawingofthemaincontrolmoduleandcommunicationmoduleofthedevice5.1.2仿真实验环境本文利用MATLABR2017a对基于ELM的电力负荷识别模型进行训练，硬件平台为Intel(R)Corei5-8250UCPU@1.6GHz、12G内存以及GeForce@MX150（2G独立显存）的64位计算机。实验仿真所设计的具体程序是通过M语言完成的，该语言简化了繁琐的程序代码设计。MATLAB具有丰富的数学函数，只需简单的调用即可。MATLAB具有以下特点：⑴代码编写效率高⑵用户使用方便⑶语言简单，内涵丰富
浙江工业大学硕士学位论文46图5-2装置的电源模块和数据采集模块实物图Figure5-2.Thephysicaldiagramofthepowermoduleanddataacquisitionmoduleofthedevice图5-3装置的主控模块和通信模块实物图Figure5-3.Thephysicaldrawingofthemaincontrolmoduleandcommunicationmoduleofthedevice5.1.2仿真实验环境本文利用MATLABR2017a对基于ELM的电力负荷识别模型进行训练，硬件平台为Intel(R)Corei5-8250UCPU@1.6GHz、12G内存以及GeForce@MX150（2G独立显存）的64位计算机。实验仿真所设计的具体程序是通过M语言完成的，该语言简化了繁琐的程序代码设计。MATLAB具有丰富的数学函数，只需简单的调用即可。MATLAB具有以下特点：⑴代码编写效率高⑵用户使用方便⑶语言简单，内涵丰富
【参考文献】：
期刊论文
[1]服务于用电设备的快速辨识边沿检测方法研究[J]. 曲禾笛,李坚,张志豪,张真源,黄琦. 中国电机工程学报. 2018(15)
[2]非侵入负荷监测装置及其工程应用研究[J]. 徐彤,李永超,杨宇全,谢浩,殷博,周静,宋杰. 电子测量技术. 2018(03)
[3]基于DTW算法与稳态电流波形的非侵入式负荷辨识方法[J]. 祁兵,董超,武昕,崔高颖. 电力系统自动化. 2018(03)
[4]一种融合加权ELM和AdaBoost的交通标志识别算法[J]. 徐岩,王权威,韦镇余. 小型微型计算机系统. 2017(09)
[5]基于信号稀疏化欠定求解的居民用户非侵入式负荷分解算法[J]. 武昕,韩笑. 电网技术. 2017(09)
[6]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)
[7]基于开启瞬时负荷特征的家电负荷识别[J]. 曲朝阳,于华涛,郭晓利. 电工技术学报. 2015(S1)
[8]基于多尺度小波分解的家用负荷分类计量[J]. 高云,杨洪耕. 电力系统及其自动化学报. 2015(07)
[9]非侵入式居民电力负荷监测与分解技术[J]. 余贻鑫,刘博,栾文鹏. 南方电网技术. 2013(04)
[10]基于暂态特征贴近度匹配的家用负荷识别[J]. 高云,杨洪耕. 电力系统自动化. 2013(09)
博士论文
[1]前馈神经网络结构设计研究及其复杂化工过程建模应用[D]. 贺彦林.北京化工大学 2016
[2]心电图中T波电交替检测关键技术研究[D]. 佘黎煌.东北大学 2015
[3]前馈神经网络梯度学习算法收敛性分析[D]. 王健.大连理工大学 2012
[4]非侵入式电力负荷分解与监测[D]. 黎鹏.天津大学 2009
硕士论文
[1]基于油中气体分析的电力变压器故障诊断研究[D]. 梅红争.长春工业大学 2019
[2]基于极限学习机的苹果叶片病害识别[D]. 陆银标.西北农林科技大学 2019
[3]基于稳态特征的非侵入式负荷辨识系统的设计与实现[D]. 张志豪.电子科技大学 2018
[4]基于暂态特征的负荷非侵入式辨识方法研究与实现[D]. 曲禾笛.电子科技大学 2018
[5]基于小波变换和随机森林的非侵入式住宅用电负荷识别研究[D]. 秦领.重庆大学 2018
[6]基于事件检测的住宅用电负荷非侵入式识别研究[D]. 丁世敬.重庆大学 2017
[7]一种检验方差的自适应CUSUM控制图[D]. 周杨.辽宁大学 2016
[8]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
[9]基于ELM的故障诊断算法的研究与实现[D]. 马骏.华北电力大学 2016
[10]居民负荷特性研究及应用[D]. 刘庆强.上海电力学院 2014
本文编号：3234585
【文章来源】：浙江工业大学浙江省
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
电力负荷监测环境Figure5-1.Themonitoringenvironmentofpowerload
浙江工业大学硕士学位论文46图5-2装置的电源模块和数据采集模块实物图Figure5-2.Thephysicaldiagramofthepowermoduleanddataacquisitionmoduleofthedevice图5-3装置的主控模块和通信模块实物图Figure5-3.Thephysicaldrawingofthemaincontrolmoduleandcommunicationmoduleofthedevice5.1.2仿真实验环境本文利用MATLABR2017a对基于ELM的电力负荷识别模型进行训练，硬件平台为Intel(R)Corei5-8250UCPU@1.6GHz、12G内存以及GeForce@MX150（2G独立显存）的64位计算机。实验仿真所设计的具体程序是通过M语言完成的，该语言简化了繁琐的程序代码设计。MATLAB具有丰富的数学函数，只需简单的调用即可。MATLAB具有以下特点：⑴代码编写效率高⑵用户使用方便⑶语言简单，内涵丰富
浙江工业大学硕士学位论文46图5-2装置的电源模块和数据采集模块实物图Figure5-2.Thephysicaldiagramofthepowermoduleanddataacquisitionmoduleofthedevice图5-3装置的主控模块和通信模块实物图Figure5-3.Thephysicaldrawingofthemaincontrolmoduleandcommunicationmoduleofthedevice5.1.2仿真实验环境本文利用MATLABR2017a对基于ELM的电力负荷识别模型进行训练，硬件平台为Intel(R)Corei5-8250UCPU@1.6GHz、12G内存以及GeForce@MX150（2G独立显存）的64位计算机。实验仿真所设计的具体程序是通过M语言完成的，该语言简化了繁琐的程序代码设计。MATLAB具有丰富的数学函数，只需简单的调用即可。MATLAB具有以下特点：⑴代码编写效率高⑵用户使用方便⑶语言简单，内涵丰富
【参考文献】：
期刊论文
[1]服务于用电设备的快速辨识边沿检测方法研究[J]. 曲禾笛,李坚,张志豪,张真源,黄琦. 中国电机工程学报. 2018(15)
[2]非侵入负荷监测装置及其工程应用研究[J]. 徐彤,李永超,杨宇全,谢浩,殷博,周静,宋杰. 电子测量技术. 2018(03)
[3]基于DTW算法与稳态电流波形的非侵入式负荷辨识方法[J]. 祁兵,董超,武昕,崔高颖. 电力系统自动化. 2018(03)
[4]一种融合加权ELM和AdaBoost的交通标志识别算法[J]. 徐岩,王权威,韦镇余. 小型微型计算机系统. 2017(09)
[5]基于信号稀疏化欠定求解的居民用户非侵入式负荷分解算法[J]. 武昕,韩笑. 电网技术. 2017(09)
[6]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)
[7]基于开启瞬时负荷特征的家电负荷识别[J]. 曲朝阳,于华涛,郭晓利. 电工技术学报. 2015(S1)
[8]基于多尺度小波分解的家用负荷分类计量[J]. 高云,杨洪耕. 电力系统及其自动化学报. 2015(07)
[9]非侵入式居民电力负荷监测与分解技术[J]. 余贻鑫,刘博,栾文鹏. 南方电网技术. 2013(04)
[10]基于暂态特征贴近度匹配的家用负荷识别[J]. 高云,杨洪耕. 电力系统自动化. 2013(09)
博士论文
[1]前馈神经网络结构设计研究及其复杂化工过程建模应用[D]. 贺彦林.北京化工大学 2016
[2]心电图中T波电交替检测关键技术研究[D]. 佘黎煌.东北大学 2015
[3]前馈神经网络梯度学习算法收敛性分析[D]. 王健.大连理工大学 2012
[4]非侵入式电力负荷分解与监测[D]. 黎鹏.天津大学 2009
硕士论文
[1]基于油中气体分析的电力变压器故障诊断研究[D]. 梅红争.长春工业大学 2019
[2]基于极限学习机的苹果叶片病害识别[D]. 陆银标.西北农林科技大学 2019
[3]基于稳态特征的非侵入式负荷辨识系统的设计与实现[D]. 张志豪.电子科技大学 2018
[4]基于暂态特征的负荷非侵入式辨识方法研究与实现[D]. 曲禾笛.电子科技大学 2018
[5]基于小波变换和随机森林的非侵入式住宅用电负荷识别研究[D]. 秦领.重庆大学 2018
[6]基于事件检测的住宅用电负荷非侵入式识别研究[D]. 丁世敬.重庆大学 2017
[7]一种检验方差的自适应CUSUM控制图[D]. 周杨.辽宁大学 2016
[8]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
[9]基于ELM的故障诊断算法的研究与实现[D]. 马骏.华北电力大学 2016
[10]居民负荷特性研究及应用[D]. 刘庆强.上海电力学院 2014
本文编号：3234585
本文链接：https://www.wllwen.com/kejilunwen/dianlidianqilunwen/3234585.html
