智能用电非侵入式负荷监测系统研究

能源互联网对智能电网的数据交互与信息挖掘提出了更高的要求。非侵入式负荷监测技术能够挖掘用户用电负荷状态信息,在智能用电领域受到日益广泛的重视。针对现有非侵入式负荷监测系统只能解决用户端负荷数据挖掘,难以实现电网与用户的双向交互及用户信息深度挖掘等问题,提出智能用电非侵入式负荷监测系统及其技术架构设计,并从信息通信、负荷识别和数据挖掘等方面分析论述该系统的实现与应用技术方案。     

非侵入式电力负荷分解算法综述

非侵入式电力负荷监测是将总的电力消耗分解为每个用电设备的电力消耗并对其进行监测。非侵入式负荷监测系统无需安装大量监测设备,就可进行能源监测、故障监测、故障分析等多种类型的电能质量控制分析,文中介绍了国内外主流电力负荷分解算法以及算法评估方法,并就存在的问题及未来的发展方向进行了阐述。     

非侵入式电力负荷监测技术研究

非侵入式负荷监测(NILM)技术通过分解总电力负荷数据,使电力用户了解不同时段各类设备的电能消耗,帮助决策者制定合理的节能计划,减少能源开支,并对节能减排具有重要作用.分析了NILM相对于传统侵入式负荷监测的优势,具有成本低、部署简单、扩展容易等特点.概述了NILM的基本框架,从监督和非监督算法两个方面进行了详细介绍.讨论了现有的数据集和算法评价指标,并指出了目前NILM面临的挑战.     

面向协同防范的非侵入式ARC模型

针对分布式环境下系统的安全性问题,引入了一个基于ARC模型的非嵌入式结构,ARC模型是由actor、role和coordinator组合而成.其中,actor用来模拟计算实体,role和coordinator用来执行控制功能.模型将攻击行为的特征以约束的方式配置到coordinator、role,同时融合了入侵检测中常用的特征检测和异常检测方法.它基于message、event通讯机制,实现了对攻击行为的监测、阻击、识别、处理,提高了系统的防范攻击和生存能力.     

一种非侵入式家用负荷特征提取与辨识方法

针对传统非侵入式负荷辨识方法在负荷辨识过程中性能较差的问题,提出一种基于负荷运行功率和电流谐波的特征提取方法。该方法采用锁相环技术,以保证所提取的负荷特征数据与原始采样数据的一致性。考虑到负荷所处的工作模式不同,其工作特征也不相同。因此使用希尔伯特变换对负荷信号进行处理得到包络图,通过包络图判断负荷工作模式,再使用标幺化的方法对负荷种类进行辨识。     

基于谐波特征和BSA优化的非侵入式负荷识别算法研究

用户负荷特性及用电行为的监测与识别是电网智能化发展的重要课题．立足于家居场景复杂负荷的有效识别,提出了一种基于负荷谐波特征建立相似度优化模型的非侵入式负荷识别算法．首先,对用电器谐波功率特征进行分析并建立相应的相似度指标;然后,构建相应的负荷识别目标函数及负荷识别优化模型,从而将负荷识别问题转化为优化问题;最后,利用二进制模拟退火算法迭代寻优实现对用电器运行状态的可靠识别．通过大量仿真数据印证,该算法能够在多种用电器组成的复杂运行场景下准确识别负荷的运行情况,并且计算强度较低．     

基于MMoE-BiLSTM的非侵入式用电设备检测方法研究

非侵入式用电设备检测能够以低成本的方式获取详细的用户用电数据,有助于提高居民用户用电意识,减少居民用电浪费现象,以达到节能减排的目的。针对现有的基于低频数据的单任务非侵入式用电设备检测方法存在的精度低和特征淹没等问题,提出了一种基于多门控混合专家网络（multi-gate mixture-of-experts network,MMoE）和双向长短期记忆网络（bidirectional long short-term memory network,BiLSTM）相结合的多任务非侵入式用电设备检测模型。首先,利用MMoE实现底层参数的软共享,学习不同电器之间的耦合特征,充分挖掘用电设备负荷特征;然后,利用BiLSTM网络作为子任务层,在一个模型中同时输出各电器的功率序列。在UK-DALE(UK recording domestic appliance-level electricity)公开数据集上的实验结果表明,该方法在各电器的检测指标上均优于现有的几种单任务方法,验证了该方法具有良好的用电设备检测性能。     

扩散硅压力式密度测量系统

化工过程中的成分测量是非电量测量中的难点,通过对扩散硅压力式传感器的二次开发应用,结合单片机系统对微弱信号进行处理后,实现密度的静态测量,并取得了较好的效果,为工业过程密度动态提供一种新的方法。     

基于非侵入式虚拟传感方法的下肢关节运动学检测

提出了一种基于非侵入式虚拟传感检测方式分析下肢关节运动学的方法。利用可穿戴式传感系统的检测信号,采用双物理传感器差分算法与双虚拟传感器差分算法相结合的方式,计算下肢关节处虚拟植入的传感器运动状态,在膝关节解剖学坐标系内,实现对膝关节的运动学分析。为了初步验证本方法的正确性与可用性,采用三轴加速度计和地磁力计等开发了一套可穿戴式传感系统,并通过五位受验者进行了实验验证。实验结果表明:本文方法可实现应用穿戴式传感系统进行非侵入式下肢关节运动学检测与分析,进一步改进和提高其测量精度后,可应用于步态分析。     

基于独立成分分析算法的非侵入式家用电动汽车充电负载的提取

采用非侵入式独立成分分析算法来提取电动汽车充电负载,包括电动汽车负载充电模式的3个阶段.所提出的无监督算法,能够提取不同类型的电动汽车(包括高压特斯拉电动汽车)的全部充电过程,并且回顾了所提出的独立成分分析方法的理论背景,说明了提取电动汽车充电模式中每一阶段的算法形成过程,显示了利用所提出的算法获得了从实际家庭获取的数...     

基于聚类特征及优化网络的非侵入式负荷分解

非侵入式负荷分解可以通过总表负荷数据,识别不同电器的运行情况,对需求侧用电实现有效管理.针对多电器同时运行时负荷数据相似导致的识别正确率低的问题,提出基于特征聚类及优化时序卷积网络的非侵入式负荷分解模型.首先对用电器的负荷数据进行非负矩阵分解提取特征数据,之后使用高斯混合模型识别用电器的运行状态并进行编码,最后将多个用...     

基于改进遗传算法的非侵入式电器负荷识别

针对传统非侵入式负荷识别算法在电器负荷接近或较小时并不能得到较理想识别效果的问题,提出了一种基于谐波特征和遗传算法的非侵入式电器负荷识别算法.通过提取电流数据的非活性电流及其谐波特征,来增大不同用电器间的差异性,从而提高识别精度;并使用遗传算法优化的神经网络的权重、阈值和隐含层神经元个数来提高分类识别精度,达到细粒度用电分析的目的;使用包含5种家用电器的用电场景测试所提出算法的识别精度,并将其与反向传播神经网络算法相比较.仿真测试结果表明,提出的特征和算法具有更高的负荷识别准确率及更快的识别速度.     

基于CFSFDP图拉普拉斯算法的非侵入式负荷监测方法

非侵入式负荷监测(NILM)是我国未来电网建设的重要发展方向之一。为克服传统非侵入式负荷监测方法的计算数据量大、辨识准确率较低等问题,提出了一种基于CFSFDP(快速密度峰值搜索算法)图拉普拉斯算法的非侵入式负荷监测方法。首先,该方法利用输入的设备有功功率数据采取快速密度峰值搜索聚类算法构建家用电器的功率阈值向量和先验图结构;然后结合图信号的平滑度特征和总功率信号构建图拉普拉斯二次型最优函数,利用Tikhonov正则化方法以迭代的方式求得最优解,从而实现用电负荷图信号的重构;最后根据功率阈值向量将图信号转换为功率信号,即可实现用户的非侵入式负荷监测。对某一家庭两天的实测用电数据进行仿真分析,得到如下结果：1)该方法对第一天的负荷辨识精度达到了100%,各用电设备消耗用电量比例与实际耗电量比例误差均低于3%。2) 该方法对第二天的负荷识别准确率达到了90.1%,相比于对比算法至少高了0.8%。对单个用电设备分解精度达到91%以上,设备的用电量误差不超过5%且低于对比算法。3) 当数据采样间隔增大为2min,所提算法的准确率、辨识精度和单设备分解精度都有所降低,但数值上优于对比算法,并且有更优的时间复杂度。研究结果验证了所提非侵入式负荷监测方法的有效性及其优越性,对于解决实际低频NILM问题有很大的优势。     

平衡式温度闭环测量系统

本文将自动控制理论中的反馈技术应用于测量领域，形成平衡式温度闭环测量系统。介绍该系统的原理和特点，讨论了该系统的组成、原理、传递函数、特点和应用。     

非正交坐标系统下斜井泥浆侵入数值模拟

针对斜井剖分过程中采用传统的直角坐标系,矩形网格剖分地层,采用梯形近似处理斜井边界时出现的要达到精确模拟就只能缩小网格尺寸而引起计算量急剧增加这一矛盾问题,根据实际模型引入了非正交坐标系,在非正交坐标系中,存在两种基矢,它们相互之间以及与直角坐标系统之间的转化关系具备一套完整的理论体系,简化了对斜井水平地层以及直井倾斜地层等模型的模拟.实际数值模拟结果表明,采用非正交坐标系在保证精度的同时,极大地减少了运算量,取得了很好的效果.     

原木体积非接触测量系统的研究

基于机器视觉测量原理,针对我国造纸原木枝桠材多的特点,采用结构光方法,对运动状态下单根原木体积测量的方法和系统进行了研究开发,实现了原木体积的非接触在线测量。     

基于自动测试和全站仪技术的小型非接触测量系统

结合计算机自动测试技术和电子全站仪技术构建了小型非接触测量系统（RMS）。介绍了系统测量的基本组成、工作原理以及影响测量精度的关键技术。对系统坐标转换方法和影响精度的因素进行了分析。     

一种使用面阵CCD的非接触位置测量系统

某型导弹填装车为发射车自动装弹前，需要获得两车之间精确的相对位置关系参数。本文介绍了一种非接触三维位置测量系统，该系统由一组面阵CCD探测器、实时图像处理及快速数据解算系统组成，对三卤钨灯目标与测量系统之间x,y,z,a的相对位置关系进行测量，介绍了测量原理，推导出了参数计算公式，并通过三角知识和误差理论对系统进行了精度分析。     

基于改进AP聚类与优化GRNN的非侵入式负荷分解研究

泛在电力物联网的提出推动了智慧用电、负荷监测等技术的大力发展,为解决传统非侵入式负荷监测与分解方法耗时长,辨识精度低等问题,文章提出了一种半监督学习聚类数据建立特征集并结合果蝇优化广义回归神经网络模型的负荷分解方法。首先,该方法利用输入的设备有功功率和电流数据采取半监督学习优化相似矩阵,以近邻传播聚类算法为基础挖掘出用电设备的运行状态特性以及功率信息,再使用数字编码方式将设备运行状态表示为分类标签,然后输入总有功功率、无功功率以及电流的时间序列数据和对应序列的分类标签矩阵,利用果蝇优化算法的寻优能力求得广义回归神经网络模型的最优Spread值完成模型优化和训练,随后输入测试时间序列数据,得到分类矩阵即各设备运行状态,并利用设备运行状态对应的功率信息进行总有功功率重构拟合,完成负荷分解。经仿真对比,此方法对所有用电设备运行状态辨识准确率达到86%左右,对单个用电设备运行状态辨识准确率达到96%左右,且耗时较短,显著提高了对负荷特性信息的挖掘能力和分解辨识能力。