非侵入式居民用电负荷分解方法研究

发布时间：2022-10-19 14:50

　　非侵入式负荷监测技术一直是智能电网和家庭能源管理的热点技术之一,其通过对总用电数据的分析来获得用户家庭用电的详细情况,有利于电力公司制定供电策略,也有利于指导用户用电行为,同时也可以帮助用户检查设备故障,从而实现安全和经济用电。本文对非侵入式负荷监测技术框架做了详细分析,并重点研究了非侵入式负荷分解方法。本文研究了基于启发式优化算法的负荷分解方法,对优化算法的种群初始化方法和适应度函数构建方法进行了改进。首先利用用电数据为时间序列数据的特点,改进了启发式优化算法的种群初始化方法,在传统初始化方法基础上增加了对上一稳态结果的随机化处理,在保证准确率的基础上可以减少种群数量,从而减少算法的执行时间。同时通过实验证明,对初始化的改进也能够提高负荷分解的准确性。其次,本文在构建启发式优化算法的适应度函数时,选择以多种功率作为特征,使用熵值法来计算不同功率的权重大小,同时考虑到对预测功率的大小和运行设备的约束,本文引入功率参数和联系参数到适应度函数中,通过实验证明改进后适应度函数的负荷分解准确率更高。最后在比较了改进的粒子群算法、遗传算法、差分进化算法的有效性后,发现改进粒子群算法具有相对较好的... 

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 本文主要工作与结构
2 NILM技术框架分析
    2.1 数据采集与预处理
    2.2 事件检测
    2.3 特征提取
        2.3.1 谐波特征
        2.3.2 电压-电流轨迹特征
        2.3.3 功率特征
    2.4 负荷分解
    2.5 结果评价标准
    2.6 本章小结
3 基于启发优化算法的负荷分解研究
    3.1 基于启发式优化算法的负荷分解方法简介
        3.1.1 粒子群算法
        3.1.2 遗传算法
        3.1.3 差分进化算法
    3.2 启发式优化算法初始化改进
    3.3 改进适应度函数
        3.3.1 特征选取
        3.3.2 熵值法
        3.3.3 构建适应度函数
    3.4 实验过程及结果分析
        3.4.1 优化算法初始化改进比较
        3.4.2 适应度函数比较
        3.4.3 三种启发式优化算法比较
    3.5 本章小结
4 基于多模型融合的负荷分解方法研究
    4.1 基于PSO算法的二次改进
        4.2.1 构建时间概率表
        4.2.2 改进PSO算法迭代过程
    4.2 差量特征模型
    4.3 混合整数规划模型
    4.4 构建多模型融负荷分解方法
    4.5 实验过程及结果分析
        4.5.1 验证基于PSO算法的二次改进
        4.5.2 验证多模型融合算法有效性
    4.6 本章小结
5 总结与展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士学位期间发表论文及科研成果
致谢


【参考文献】：
期刊论文
[1]中国“十四五”新能源发展研判及需要关注的问题[J]. 黄碧斌,张运洲,王彩霞.  中国电力. 2020(01)
[2]基于边缘嵌入深度学习的非侵入式负荷分解方法[J]. 刘耀先,孙毅,李彬,黄婷.  电网技术. 2019(12)
[3]基于FBE算法的非侵入式事件检测方法[J]. 黄河,周步祥,张致强,刘治凡,袁岳,邹家惠.  水电能源科学. 2019(10)
[4]基于图信号处理的智能电表功率信号分解[J]. 祁兵,刘利亚,武昕,石坤,薛溟枫.  电力系统自动化. 2019(04)
[5]基于贝叶斯信息准则的非侵入式负荷事件检测算法[J]. 肖江,Fran?ois AUGER,荆朝霞,Sarra HOUIDI.  电力系统保护与控制. 2018(22)
[6]基于时间概率分布与电器组合超状态的非侵入式负荷分解[J]. 燕续峰,翟少鹏,何光宇.  电力系统自动化. 2018(24)
[7]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)
[8]基于改进鸡群算法的非侵入式负荷监测[J]. 刘兴杰,曹美晗,许月娟.  电力自动化设备. 2018(05)
[9]基于动态自适应粒子群算法的非侵入式家居负荷分解方法[J]. 孙毅,张璐,赵洪磊,刘耀先,李彬,李德智,崔高颖.  电网技术. 2018(06)
[10]用于非侵入式电力负荷监测的改进Viterbi算法[J]. 陈鸿川,刘博,栾文鹏,李秋硕.  电力系统及其自动化学报. 2017(02)



本文编号：3693568