基于STM32F407的非侵入式负荷辨识终端研究

发布时间：2021-01-11 15:48

　　非侵入负荷辨识技术是智能电网领域最新的高级量测技术,通过用户总进线的电压电流来分解辨识用户的细粒度用电行为,对用户能源可视化、综合能耗降低和电网削峰填谷都有重要意义。非侵入负荷辨识技术研究重点为辨识算法、实验平台和终端装置三部分,本文在实验平台、终端驱动和终端检测三个方面开展了深入研究,具体如下:首先,本文介绍了基于负荷核心特征量的非侵入负荷辨识算法,开发了基于USB-6009数据采集卡的实验平台和录波软件。实验平台可模拟居民实际用电情况并提供辨识算法运行环境,录波软件可实现最高24KHz采样频率的电流电压同步采样及数据存储。实验平台和录波软件为研究非侵入负荷辨识技术提供了辅助工具。然后,为了实现非侵入负荷辨识装置（NDTU）的高度集成化,本文设计了基于STM32F407的非侵入负荷辨识终端的底层驱动程序,具体包括:以800Hz采样频率连续采样、液晶和按键实现人机交互、GPRS传输数据、SRAM运行程序、NOR Flash存储主程序、EEPROM存储初始配置。最后,为加速非侵入负荷辨识终端的检测流程,本文基于DK-51C三相源开发了NDTU功能检测软件,实现了对NDTU终端ADC采样系... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

非侵入交互界面

程序框

(b) 界面效果图 2-12 录波软件图 2-12(a)中，“模块 A”为 DAQmx 驱动设置及采样处理部分，电流电压波形经过计算处理，获取 P/Q/IMx；“模块 B”判断框内根据每天凌晨 00:00:00 时刻，生成新的存储文档，文档按“日期+存储内容”命名，如“2018-4-1-P.txt”表示 2018/4/1 存储

【参考文献】：
期刊论文
[1]基于近邻传播聚类和遗传优化的非侵入式负荷分解方法[J]. 徐青山,娄藕蝶,郑爱霞,刘瑜俊.  电工技术学报. 2018(16)
[2]2017年全社会用电量同比增长6.6%[J].   中国能源. 2018(02)
[3]基于k-NN结合核Fisher判别的非侵入式负荷监测方法[J]. 宋旭帆,周明,涂京,李庚银.  电力系统自动化. 2018(06)
[4]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)
[5]基于差量特征提取与模糊聚类的非侵入式负荷监测方法[J]. 孙毅,崔灿,陆俊,郝建红,刘向军.  电力系统自动化. 2017(04)
[6]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)
[7]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)
[8]RPROP神经网络在非侵入式负荷分解中的应用[J]. 李如意,王晓换,胡美璇,周洪,胡文山.  电力系统保护与控制. 2016(07)
[9]非侵入式电力负荷的辨识和监测[J]. 朱德省,尹建丰,周琨荔.  电测与仪表. 2015(S1)
[10]基于特征相似度的非侵入式用电负荷识别模型研究[J]. 赵云,钱斌,王科,李秋硕,孙宇军.  电气应用. 2015(S1)

博士论文
[1]面向智能用电的非侵入式居民负荷监测关键技术研究[D]. 崔灿.华北电力大学(北京) 2017
[2]智能电网低碳效益关键指标选取与评价模型研究[D]. 周黎莎.华北电力大学 2013
[3]智能电网技术经济综合评价研究[D]. 陈安伟.重庆大学 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]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
[2]结合改进最近邻法与支持向量机的住宅用电负荷识别研究[D]. 刘然.重庆大学 2014
[3]基于HSMM的非侵入式家庭电力负荷分解算法研究[D]. 张玲玲.太原科技大学 2014
[4]基于Lasso的非侵入式家庭电力负荷分解特征选择算法研究[D]. 刘晓宁.太原科技大学 2014
[5]智能电网技术的发展简史[D]. 王砚泽.山西大学 2012
[6]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
[7]基于暂态过程的非侵入式负荷监测[D]. 牛卢璐.天津大学 2010
[8]基于稳态谐波分析的非侵入式电力负荷分解法的应用研究[D]. 赵春柳.天津大学 2009
[9]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：2971052