基于因子隐马尔科夫模型的非侵入式负荷分解方法

发布时间：2020-04-08 19:56

【摘要】：能源是人类发展中不可或缺的物质资源。能源不仅可以满足人类的日常生活需求,同时也在整个社会的进步与发展中发挥着相当关键的作用。但是,随着能源的开发与利用,逐渐引起了一系列的问题如能源危机和环境破坏等。如今,近一半的生活能源消耗来自电能,因此节约电能在能源发展战略中具有重要的作用。研究表明如果用户科学合理的利用电能可以节约10%-30%的能源,因此鼓励并指导居民节约用电是能源保护工作的关键。非侵入式负荷监测技术是实现这一目的最为有效的方式。本文在现有负荷分解研究的基础上提出了一种新的负荷分解方式,本文的研究有以下几个要点:1)由于稳态电流的采样频率低,采样设备的投入低,并且电流的稳定性优于功率的特点,本论文采用了用电设备的稳态电流作为负荷特征。2)原始用户数据是非侵入式负荷分解的基础,本论文在实验室环境下,模拟搭建了用户负荷信息采集平台,利用自己采集的数据再做进一步分析。本次采集的数据可以为以后的分解实验提供数据支持。3)本文提出了采用分段的K-means聚类方式对用电设备的用电特征进行分析的方法,可以得出设备的状态值。并采用一种新的基于二进制的多状态用电设备的状态表示方法,该方法简单方便,可以很好地表示出设备的多种状态。4)本文提出一种全新的基于因子隐马尔科夫的非侵入式负荷监测与分解方法。该方法在考虑设备运行状态之间相关性的基础上,建立起负荷总电流与各用电器电流之间的数学模型,利用因子隐马尔科夫算法求得各用电器的运行状态,进而实现电力负荷的分解。
【图文】：

负荷监测,精确度,模块,系统整体

华北电力大学硕士学位论文逡逑建了实际的负荷识别系统。现如今，大部分负荷识别系统都是按照图１－３进行构建逡逑与测试的［１４］。逡逑如下图所示，其中数据采集模块是非侵入式负荷识别的第一步，负责获取原始逡逑数据，是用户负荷分解的基础。数据采集需要在用户总出线口安装数据采集装置对逡逑用户的电流、电压等信息进行采集，并对其进行存储，建立用户负荷用电信息数据逡逑库。目前，非侵入式负荷监测的原始数据主要包括用电设备的暂态信号与稳态信号逡逑两方面。随后需要对采集到的数据进行预处理，数据采集设备采集到的原始数据，逡逑往往会存在残缺数据或由于设备的异常和噪声产生错误数据。因此数据的预处理主逡逑要负责补全所缺少的数据信息以及修正其中的异常数据，并对其中具有测量误差的逡逑数据进行滤波、归一化等初步处理，减少或消除误差，提高数据的准确度，有利于逡逑提高分解结果的精确度。多数的负荷识别方法主要依靠事件检测模块对负荷的开通逡逑和关闭操作进行检测

隐马尔科夫模型,隐马尔科夫过程,状态变量,因子

述由一个隐藏的马尔科夫链随机生成不可观测的状态随机序列，即状态序列（ｓｔａｔｅ逡逑ｓｅｑｕｅｎｃｅ），和由各个状态生成一个观测值而产生可观测随机序列，即观测序列逡逑（ｏｂｓｅｒｖａｔｉｏｎ邋ｓｅｑｕｅｎｃｅ）邋［４５］。ＨＭＭ模型是由一条单链组成的，其模型结构如图２－１逡逑所示。ＨＭＭ模型一般有两个特征：１）是基于序列的，比如时间序列，或者状态序逡逑列。２）包含两种数据序列，一种为观测序列即可以直接从采集数据中观察到的数逡逑据序列的，而另一种为状态序列即隐藏状态序列，数据是不可以观测到的。逡逑？邋？？一免－１邋；一＇邋Ｑｔ邋Ｊ—一刀ｉ＋ｉ邋ｊ一＊■邋？邋？邋？状态值序列逡逑＇、’、、．邋、、，逡逑N、N、人、逡逑；；逦；邋ｙｔ｝邋ｙｔ＾邋｝逦观测值序列逡逑图２－１隐马尔科夫模型结构图［４５】逡逑ＨＭＭ包含几个基本参数，这些参数的获取需要对采集到的数据集进行学习过逡逑程，这些参数可以用参数集ｂ邋（儿５，，尸／）表示：逡逑（１）
【学位授予单位】：华北电力大学(北京)
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TK018

【相似文献】