基于因子隐马尔可夫模型的负荷分解方法及灵敏度分析

发布时间：2017-09-28 14:42

  本文关键词：基于因子隐马尔可夫模型的负荷分解方法及灵敏度分析

  更多相关文章： 隐马尔可夫模型 因子隐马尔可夫模型 负荷分解 灵敏度分析

【摘要】：负荷分解是智能电网的关键技术,对负荷预测、需求侧管理及电网安全有重要意义。传统负荷分解方法的准确率受限于负荷特征的维度、采样频率和负荷的稳定性。文中提出了基于因子隐马尔可夫模型的负荷分解方法,利用该模型对负荷进行建模,对Viterbi算法进行了扩展并求解负荷状态,进而基于整数规划实现对总负荷的最优分配。该方法对负荷数据的稳定性和采样频率不敏感,可适用于家居和工业电力用户。同时,深入研究了Viterbi算法求解最优状态与观测扰动之间的影响关系,并进一步得到最优状态对于当前观测的允许扰动范围,这对负荷分解最优状态的可靠性评估有重要意义。
【作者单位】： 机械制造系统工程国家重点实验室(西安交通大学);智能网络与网络安全教育部重点实验室(西安交通大学);
【关键词】： 隐马尔可夫模型 因子隐马尔可夫模型 负荷分解 灵敏度分析
【基金】：国家自然科学基金资助项目(61473218) 国家重点研发计划资助项目(2016YFB0901904)~~
【分类号】：TM714
【正文快照】： 上网日期:2016-09-02。0引言负荷分解(load disaggregation)也被称为非侵入式负荷监测(non-intrusive load monitoring,NILM),是利用电力入口处的负荷信息对其内部包含的用电设备进行状态监测和能耗分解,为智能电网的关键技术之一。对电力用户进行准确有效的负荷分解,一方面有，

本文编号：936447