改进鸟群算法在家电负荷分解中的应用

负荷监测是智能用电的重要环节,对节能减排起到至关重要的作用。针对家庭用电网络中非侵入式负荷监测问题,提出一种基于改进鸟群算法的负荷分解方法。该方法选用可由智能电表获取的低频稳态电流作为负荷特征,建立监测的总电流与各电器电流相加得到的计算值之间的数学优化模型,并对鸟群算法进行改进用于计算电器的时间系数。算例分析结果表明,提出的方法无需增加测量硬件成本即可有效识别电器运行状态及估计电器电流,且能够处理具有相似功率范围的多电器识别及多电器同时投切的情况。     

基于KM算法投切事件匹配的负荷辨识方法

负荷投切事件是关联负荷分类、辨识的一个重要依据,为了能够准确的实现非侵入式负荷投切过程的辨识,提出一种基于KM算法投切事件匹配的非侵入式负荷辨识方法。在该方法中,首先采用一种功率曲线拟合逼近的方式进行负荷事件检测,并利用投切稳态特征建立用电设备投入和切除特征的概率分布模型。同时,考虑到负荷投入事件和切除事件数量不对等情况,将负荷事件与数据库负荷进行匹配,并采用加权优化的KM算法寻找最佳解,从而实现负荷投入和切除的正确匹配辨识。最后,在真实的测试场景并结合REDD数据集进行实验,结果表明文中方法能对负荷投切事件进行有效匹配辨识,为实现能耗细分奠定了基础。     

基于选择性贝叶斯分类的非侵入式负荷识别方法

非侵入式负荷识别可以提供用电信息,帮助用户改善用电习惯,是智能用电的关键技术。现有非侵入式负荷识别方法主要基于负荷的稳态特征进行识别,对稳态特征近似的负荷识别率不高。针对此问题,该文结合各类家用负荷在投切过程中的不同特点,提出了一种基于选择性贝叶斯分类的识别方法。首先,利用模拟退火算法从特征库中依据负荷特点选择出对于各类负荷最具辨识度的特征;然后,根据选择的特征和高斯核密度估计方法建立灵活贝叶斯分类器;最后,通过计算各负荷的后验概率对负荷进行识别。经实测数据检验,该方法具有良好的识别精度和计算速度。     

基于DTW算法与稳态电流波形的非侵入式负荷辨识方法

非侵入家用负荷识别技术可以指导家庭用户合理安排用电,提高用能效率,同时也为电力部门提供家庭用电的数据支持,有利于了解负荷用电规律及趋势,完善电力规划。由于家庭用户用电负荷的稳态特征值存在相似和无规律的问题,现有的方法多采用高级算法对所有的用电负荷组合进行训练。针对现有采用负荷稳态特征值方法进行识别所存在的不足,考虑到家用负荷稳态波形具有独特性和叠加性,提出了一种利用动态时间弯曲(DTW)算法计算与模版库波形的距离来识别家用负荷的辨识方法。首先,建立负荷稳态波形模版库;然后,在电压满足一定条件的情况下,测量家庭用户电流的稳态波形;最后,利用DTW算法计算出最小距离进行识别。     

RPROP神经网络在非侵入式负荷分解中的应用

为了解决常用家电设备投切状态辨识问题,提出一种以神经网络为辨识模型的方法,增强其快速辨识能力。首先,从负荷印记出发,针对各用电设备的稳态电流谐波特性,建立用电设备特征标签。然后,采用弹性BP(Resilient back propagation,RPROP)神经网络,将输入数据特征向输出层非线性映射,实现快速收敛至全局最优点。训练中采用多种设备组合方式,进行用电设备特征辨识。最终,以五类常用用电设备进行实验,实验结果表明该算法能够有效地识别家用设备的工作状态组合,且对功率相近、谐波具有较小差异的用电设备工作状态也具有很好的辨识能力。     

基于监督学习的非侵入式负荷监测算法比较

非侵入式负荷监测(NILM)能够在不干扰用户正常用电的情况下,低成本地实现用户用电设备类型的识别和用电负荷的分解,因此非常适用于家庭用户用电监测。大量智能电表在家庭用户中的安装为居民NILM提供了数据支撑,也使得居民NILM研究成为热点。基于家庭负荷稳态电流样本,采用负荷电流谐波系数作为负荷分类特征,建立了基于多层感知器(MLP)神经网络、k-近邻算法、逻辑回归、支持向量机的4种NILM分类模型,利用BLUED数据库对4种分类器进行训练和测试,对比分析其在识别精度、训练时间、识别速度和抗噪能力方面的表现,并对其在家庭负荷识别中的应用效果进行对比研究。结果表明,4种分类器中MLP神经网络具有总体最优的分类效果和计算性能,更适用于家庭用户负荷监测。     

基于LMD和模型匹配的家电负荷识别算法

家电负荷识别是智能用电的重要环节,传统侵入式负荷监测具有成本高、安装维护复杂的缺点,因此以非侵入式负荷监测为基础研究家电负荷识别算法。结合系统辨识的基本原理和方法,以稳态电流、稳态电压为特征,提出一种基于局部平均分解(LMD)和模型匹配的家电负荷识别算法。通过预先获取用电网络中各负荷的稳态数据,构建线性和非线性模型库。利用LMD算法将混合信号分解为单个负荷的用电数据,通过预筛选确定分离数据所属模型库,根据模型匹配原则进行负荷识别。仿真结果表明,所提算法可以准确识别出各负荷的运行状态,运算效率高,并能有效应对用电网络中有新负荷加入的情况。     

基于IBPSO的非侵入式多负荷投切行为辨识方法

对多负荷投切行为的有效辨识,为了解用户用电行为,制定节能计划,实现智能用电提供了有力支撑。首先,为解决多种负荷投切行为的辨识问题,提出改进的二进制粒子群优化算法（Improved Binary Particle Swarm Optimization, IBPSO）,并在IBPSO的适应度函数中引入距离测度法。其次,针对目前对单一负荷特征进行辨识的精度并不理想的问题,本文融合电流谐波和有功功率作为负荷投切行为的特征。最后,对多负荷投切时的电流和功率信息进行大量的仿真试验。仿真结果表明,所提算法对多负荷投切行为的辨识在收敛速度和精度上都有所提高。     

基于系统模型的家电负荷辨识算法*

家电负荷识别是需求侧管理的关键技术之一,有助于实现用户侧的智能用电。文中结合系统辨识的基本原理和方法,将各家电负荷看作一个独立的系统,以稳态电压、稳态电流为特征,提出一种基于系统模型的家电负荷辨识算法。通过预先获取用电网络中各负荷的稳态数据,构建ARMAX线性模型库和Hammerstein非线性模型库。根据稳态电流波峰系数这一特征值对待识别负荷进行预筛选确定所属模型库类型,通过模型匹配原则进行负荷识别。文章通过实测数据验证了算法的有效性,可以准确地识别线性负荷以及非线性负荷,运算效率高,并且可以有效应对家庭网络中有新负荷加入的情况。     

基于决策融合的非侵入式电力负荷辨识方法及应用

在非侵入式负荷分解与辨识中,单独一种算法的辨识决策方法容易受算法自身的局限性以及电网对用电设备而降低辨识精度,使得不能准确获得用电设备投切情况。为此,基于多种不同算法得到的分解与辨识结果,提出了一种非侵入式电力负荷分解与辨识决策融合方法。首先,提取每个用电设备平稳状态下的负荷特征,并采用3种常用的模式识别方法进行分解与辨识。然后将得到的辨识结果,进一步采用一种加权方法对投切结果进行决策。最后采用案例分析,对决策融合方法进行了合理验证。结果证明,辨识决策方法可以有效地提高设备辨识的准确性。     

基于随机森林算法和稳态波形的非介入式工业负荷辨识

非介入式工业负荷的准确辨识可以获取工厂内各负荷的运行情况,有利于需求侧智能用电管理.工业负荷由于采集暂态数据建模困难、需要高精度测量设备等特点,造成辨识方法复杂难以实现.针对这种情况,提出一种利用随机森林算法和稳态波形的非介入式工业负荷辨识方法.首先,通过事件监测工业负荷功率状态变化并提取稳态波形,根据工业负荷性能不同...     

深度学习与幅值特征相融合的低频采样非侵入式负荷辨识算法

非侵入式负荷监测中虽然高频采样能提高负荷辨识准确率,但对数据采集设备要求高,难以推广,因此,低频采样下负荷辨识方法成为研究热点。以低频采样下负荷投入时的暂态电流波形为特征,采用卷积神经网络算法实现负荷辨识,辨识结果发现CNN对暂态电流波形差异大的负荷辨识准确度高,但是对暂态电流波形相似的负荷识别准确率低,为解决这一问题,在卷积神经网络辨识的基础上,对暂态电流波形相似的负荷,以暂态电流幅值为特征作进一步辨识,以提高辨识准确率。通过使用实测数据进行验证,结果表明所提算法可以很好地克服低频采样下波形特征相似负荷识别准确率低的问题。     

基于改进排列熵算法和Yamamoto算法的非侵入式用电设备状态变化检测

非侵入式负荷监测已经成为智能电网负荷监测管理的关键技术之一。用电设备状态变化过程所表现出的暂态特征是进行非侵入式用电设备状态辨识的重要依据,但其精准提取取决于用电设备状态变化的准确检测。为此,提出了一种基于改进排列熵算法和Yamamoto算法的非侵入式用电设备状态变化检测算法。首先对排列熵算法进行多尺度改进,利用多尺度排列熵的差值分析确定状态变化发生的区间,然后利用Yamamoto算法进行区间检测,定位状态变化的时刻。仿真分析结果表明,所提算法可准确检测用电设备的状态变化,有效地提高后续利用暂态特征的设备状态辨识准确率。     

智能电网环境下基于大数据挖掘的居民负荷设备识别与负荷建模

利用数据挖掘技术对用户负荷大数据进行处理,既可以通过识别用电负荷设备来分析用户的用电行为习惯,又可以辅助进行负荷精确建模,实现精确而有目标性的需求侧管理或制定具有针对性的零售商售电策略。在此背景下,基于动态时间弯曲(dynamic time warping,DTW)的时间序列匹配方法,提出了一种低频负荷数据下的居民电器设备识别方法。首先,将负荷数据分割成单负荷设备运行和多负荷设备同时运行2种情况下的负荷子序列;然后,依据待识别子序列的时间长度,参照实测的电器设备耗电功率数据,生成与其时间长度一致的电器设备耗电功率参考序列,其中包含了从电器设备启动前一时刻至设备关闭后一时刻的功率变化情形;最后,以DTW距离作为相似性度量指标确定识别结果。对于由多负荷设备运行产生的负荷序列,提出了一种剔除已识别设备后将序列再次分割,如此交替进行的识别策略。在获得识别结果后,构建了居民负荷统计模型。借助于高效数据分析软件R语言平台,实现了所提出的算法,并使用500组负荷数据进行了数据实验。结果表明,在对负荷数据每min采样1次的情况下,所提出的负荷设备识别方法对单设备负荷序列识别的准确率超过93%,对多设备负荷序列识别的准确率接近83%。     

不同运行状态下的飞机蓄电池ELA稳态分析

航空蓄电池在飞机地面装载与准备、启动发动机以及应急状态下是飞机电气系统的直流电源,在整机电源容量分析(ELA)时需要进行容量分析。在其他飞行状态下,蓄电池由飞机电网充电,是飞机电源系统的重要负载,需要对其进行负载分析。分析了飞机蓄电池ELA稳态计算原理;结合实测飞机电气系统实验模拟设备运行数据,完成了飞机航空蓄电池在不同工作状态下的ELA计算研究。研究表明,正确的蓄电池ELA分析可为飞机电气系统设计中蓄电池选型或机载电子电气设备加改装提供必要技术支撑。     

面向非干预式负荷监测的居民负荷微观特性研究

非干预式负荷监测技术是未来负荷监测的重要发展方向,基于此技术开发创新性服务产品需要对非干预式负荷监测技术应用基础展开详细研究。建立了非干预式负荷监测应用体系;提出体系中负荷识别算法的实现原理;由于负荷特性研究是非干预式负荷监测的基础,各类创新性服务产品的开发必须以负荷特性研究为基础。对居民负荷的微观特性进行深入研究,基于实测波形提取了典型电器的多个微观特征参数,如波峰系数、瞬时功率峰值和有效值、V-I特性曲线面积及中心线斜率等,并提出了各负荷特性特征值的计算方法。该成果为后续的基于非干预式负荷监测的用电可视化服务研究工作打下基础。     

CPT及IRPT多场景电流分解对比及分析

以新能源为主体的新型电力系统发展对系统计量装置、功率变换设备等提出了新要求,迫切需要革新的功率理论指导上述设备的设计与控制,以适应不同电气系统结构。通过构建多种含不同源荷类型的三相电气系统场景,针对守恒功率理论（CPT）及瞬时无功功率理论（IRPT）,重点讨论二者在不同应用场景中电流分解的相似点及不同点。分析结果显示：IRPT仅在电压正弦条件下可以获得较好的电流分解结果,而基于CPT的电流分解,在正弦或非正弦等不同电压、负荷情况下均可较好地解释功率传输现象、分析负荷特性,其可作为有效的理论工具用于负荷特征识别、电费计量、滤波与补偿、功率变换器等领域中。