基于深度学习的家庭非侵入式负荷监测算法研究

发布时间：2024-02-22 19:07

　　非侵入式负荷监测是一种通过对家庭用户总线处用电信息进行分析进而获得家庭内各个负荷用电情况的技术。本文将非侵入式负荷监测按照用途划分为非侵入式负荷识别和非侵入式负荷分解两个方向,并基于深度学习的方法对两个方向进行研究。从非侵入式负荷识别角度,主要研究了事件检测和负荷辨识两方面的内容。在事件检测方面,为了解决滑动窗双边CUSUM事件检测算法存在小电流电器误检和稳态时刻检测不准确的问题,在原CUSUM算法基础上提出了改进和优化:扩充暂态检测窗口为复合计算窗口,改进了事件累计和的计算方式,引入稳态时刻判据。通过三种典型电器的组合投切进行实验,结果表明本文所提算法提高了对小电流负荷的识别准确率,提高了确定负荷进入稳态时刻的准确性。通过数据采集设备对某市一户家庭的总线用电数据和部分家用电器的用电数据进行采集,保障后续实验研究的实际基础。基于plaid公开数据集和自采集数据建立特征数据库,为负荷辨识提供数据支撑。在负荷辨识方面,基于去噪自编码器模型,重构误差修改为交叉熵,再将全连接层替换为卷积层,得到全卷积分类自编码器模型。为了应对实际中出现电流采样波形相似的情况进而影响辨识效果,引入多种特征融合的...

【文章页数】：101 页

【部分图文】：

图1滑动窗CUSUM事件检测流程

安徽理工大学硕士学位论文-10-图1滑动窗CUSUM事件检测流程Fig1BilateralCUSUMeventdetectionprocedureofslidingwindow2.2改进的滑动窗双边CUSUM事件检测算法负荷事件检测是整个NILM系统中十分重要的一环，一般的事件检....

图2改进事件检测的过程分析

安徽理工大学硕士学位论文-12-生变化；第四阶段时事件发生的时刻处在均值计算窗口内，此时均值计算窗口的均值不断变化，而复合计算窗口的均值、和方差B保持不变；第五阶段时均值计算窗口和复合计算窗口均已完全进入稳态时刻，这时所有数值、、和B均不再变化。如下图2所示为改进事件检测的过程分....

图3事件累计和对比示意图

2非侵入式居民负荷事件检测与特征数据库-13-图3事件累计和对比示意图Fig3Comparisondiagramofcumulativesum2.2.3进入稳态时刻准确性的提高对于负荷识别算法来说，事件检测算法不仅要确定电器设备的投入和切出时刻，还要准确判断电气设备进入稳态的时刻....

图4滑动窗口变化示意图

安徽理工大学硕士学位论文-14-图4滑动窗口变化示意图Fig4Slidewindowchangediagram当滑动窗口检测有负荷事件发生时，事件累计和不断增加到时刻，在接下来ts~ts+m+f时刻，此时事件累计和不再变化且方差Bf小于方差阈值，电流逐渐稳定，此时我们就认为在时刻....

本文编号：3907121