基于组合赋权的非介入式终端辨识能力灰色TOPSIS评价

非介入式负荷辨识终端克服了传统侵入式终端成本高、安装复杂和维护不便的问题,得以广泛应用,但目前对于非介入式终端负荷辨识能力仅通过电量指标进行评价,评价体系单一。为此,本文选取多维指标综合衡量终端对于电器负荷的辨识能力,并据此构建了非介入式终端分层多组评价模型;利用熵权-AHP组合评价技术得到指标的组合权值;在此基础上,利用灰色TOPSIS（灰色逼近理想解排序）分析法对电器组合案例的电器辨识能力进行分类、灰色排序,从而客观地得到终端整体辨识能力及不同案例下终端辨识能力好坏。最后,江苏电科院非介入式终端实证平台上选取四种典型电器验证了本方案解决了评估指标数据不完全的问题,结合于实际工程的终端辨识能力校验,提高了非侵入负荷辨识终端辨识能力评价的科学性和有效性。     

基于LSQR与系统距离聚类算法的专变用户非介入式负荷辨识

专变用户非介入式负荷辨识是实现以专变用户为主体的需求侧响应的重要环节。通过对专变用户负荷稳态过程与暂态过程的特征分析,选取有功功率、无功功率、电流有效值等作为稳态过程特征量,并选取暂态发生前、中、后三个阶段的特征量,如电流有效值、有功功率均值、无功功率均值、持续时间、电流有效值最大值等,构建全面的非介入式负荷辨识稳态过程与暂态过程负荷特征空间。以此为基础,利用最小二乘QR分解算法(Least Square QR,LSQR)进行稳态过程负荷分解获得各种负荷的运行情况。并基于系统距离聚类算法将常见专变用户负荷暂态事件进行分类,进一步辨识出哪一种或者哪一类负荷发生投切动作。最后,采集包括排水泵、搅拌机、水泥螺旋、污水泵、除尘器等工业负荷现场数据,对所提到的方法进行了仿真分析,结果表明所提的非介入式负荷辨识方法可获得较高的准确率。     

电网负荷分类评价反馈算法研究

随着电力设备技术研究的不断发展,智能城市和智能电网概念的提出,促使企业对用户的精细化服务要求也越来越高。因此,为实现对用户用电细粒度感知,提高与用户沟通交互效率,基于用电清单评价内容,结合深度学习算法,建立分类评价反馈模型,对评价文本进行分类及情感分析,最后根据实际分析结果建立评价反馈机制,对负荷辨识技术进行调整反馈。试验结果表明电网负荷分类评价反馈算法提高了电网非侵入式负荷辨识的准确率,有利于提升用户用电体验度。     

决策树算法在单相民用负荷识别中的运用

正智能电网的一个重要特征之一是与用户互动,让用户掌握和了解自己的用电特征和用电状况等信息。非侵入式负荷识别技术是通过采集供电点的电流、电压数据,分析其负荷组成,辨识各电器的用电信息,其具有投入小,无需就地安装大量负荷启停检测装置的优点。目前多数非侵入式负荷识别技术都需预先建立各家用电器的特征参数数据库,同时,电器异动需要对数据库进行更新。此外,电器启停检测装置对采集和处理数据的硬件要求较高,且实际环境下暂态特征具有不确定性,所以目前采用的非侵入式负荷识别技术推广应用十分受限。为此,本文提出采用边沿检测辨识电器设备的工作状态,采用功     

基于卷积神经网络的非侵入负荷辨识算法EI北大核心CSCD

非侵入式负荷监测因其实施成本低且对用户干扰小,具有广泛的应用前景。负荷辨识方法是非侵入式复合监测的主要技术难点之一。研究了非侵入式负荷监测模式下基于卷积神经网络的非侵入负荷辨识算法。首先利用局部平均分解算法对采集到的混合信号进行负荷分离,并通过智能学习的方法提取独立负荷特征,建立了能够处理二维图像数据的卷积神经网络模型,将大量典型家电的运行电流数据转换成图片的形式,对卷积神经网络模型进行训练,并基于该模型进行负荷特征提取,从而达到辨识的目的。经过实际采集的用电数据进行仿真实验,结果表明,基于卷积神经网络的负荷辨识准确率高、识别速度快,模型具有良好的泛化能力,能够有效的实现负荷辨识。     

基于遗传优化的非侵入式居民负荷辨识算法

负荷在线监测能够为电网及用户提供即时的用电信息,是支撑能效管理和负荷预测工作的有效手段。传统监测方法采用侵入式设计,难以大范围推广应用,因此非侵入式负荷监测方法(NILM)具有重要研究意义。负荷辨识是非侵入式负荷监测的关键,以典型居民负荷的特性分析为基础,提出了一种基于遗传优化的非侵入式居民负荷辨识算法。该算法基于负荷设备的负荷特性,包括有功功率和电流有效值,利用三种不同的编码方法构造判断负荷运行状态的适应度函数,通过遗传算法寻优,最终确定居民负荷的工作状态,并通过实测数据进行验证。实验结果表明,该算法能够实现居民用户负荷状态的有效辨识,且算法收敛速度较快,准确度高。     

基于卷积神经网络的非侵入负荷辨识算法

非侵入式负荷监测因其实施成本低且对用户干扰小,具有广泛的应用前景。负荷辨识方法是非侵入式复合监测的主要技术难点之一。研究了非侵入式负荷监测模式下基于卷积神经网络的非侵入负荷辨识算法。首先利用局部平均分解算法对采集到的混合信号进行负荷分离,并通过智能学习的方法提取独立负荷特征,建立了能够处理二维图像数据的卷积神经网络模型,将大量典型家电的运行电流数据转换成图片的形式,对卷积神经网络模型进行训练,并基于该模型进行负荷特征提取,从而达到辨识的目的。经过实际采集的用电数据进行仿真实验,结果表明,基于卷积神经网络的负荷辨识准确率高、识别速度快,模型具有良好的泛化能力,能够有效的实现负荷辨识。     

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...     

基于智能电表技术的智能电网负荷识别

传统侵入式负荷识别技术需要在智能电网用户侧每个用电设备的插座上安装传感器,通过传感器获取电器 设备的负荷,导致负荷识别精度较低.为此,提出基于智能电表技术的智能电网负荷识别方法.首先将智能电表安装 在智能电网用户侧总线上,采集全部用电设备的电力数据,并对采集数据进行降噪与筛选处理,得到高质量的负荷数 据集.其次构建时间卷积网络模型,并输入负荷数据集进行训练,输出目标负荷的识别标签,实现非侵入式智能电网 负荷的识别.实验结果表明,所提方法在识别智能电网用电负荷方面表现良好,平均绝对误差仅为１．１３５kWh,证明 了智能电表技术在智能电网中具有良好的应用效果.     

基于特征优选及改进自组织神经网络的非侵入式负荷辨识

负荷辨识是非侵入式负荷监测的关键,随着需求侧负荷数据的持续增长,利用智能算法对海量用电数据进行准确辨识成为目前的研究热点。该文在已有研究的基础上,建立非侵入式负荷辨识的有效处理方法,包括事件检测、负荷特征提取、特征筛选和负荷辨识算法。利用Fisher算法对提取的典型居民负荷特征进行筛选,降低了负荷特征的冗余度,将波形数据转化为可辨识的结构化数据。提出非侵入式负荷监测下基于粒子群优化的改进自组织神经网络负荷辨识算法。考虑不同负荷设备的物理特性差异,提取用电设备通用负荷特征,构建低时间复杂度和高辨识准确率的改进自组织神经网络系统,完成对负荷种类的判定。实验验证了该算法能够在非侵入式负荷监测条件下,实现对居民用户负荷种类的有效辨识,且算法收敛速度较快,准确度高。     

基于负荷控制潜力量化模型的工业用户群体画像方法

在中国新一轮电力体制改革背景下,研究工业用户负荷参与负荷控制的潜力,对于促进电网安全稳定运行有着积极的作用.以工业用户负荷数据为基础,充分提取用户在不同时间量度下的用电特征,从错时潜力、轮休潜力和避峰潜力3个方面构建多时间尺度负荷控制潜力指标体系.进而将信息熵和逼近理想解排序法相结合,构建负荷控制潜力量化模型,实现了对负荷控制潜力价值的衡量.并且,利用近邻传播算法分析量化模型结果,将用户按照潜力量化值聚类,实现了对不同用户特征群的划分.最后,基于某地区的实际工业用户负荷数据进行算例分析,实现了对工业用户群体负荷控制潜力画像结果的呈现.     

基于孪生分支网络的非侵入式冲击负荷辨识方法

传统边缘侧电力设备无法有效检测出对电网影响较大的冲击性负荷的设备类别与功率启停信息。为此,提出一种基于孪生分支网络的非侵入式冲击负荷辨识方法。通过总线入口处的高频采样数据提取波形的V-I轨迹特征和对角高斯谐波特征;预设多种先验信息对不同设备的冲击负荷特性进行训练,特别地,设计一种基于孪生分支结构的卷积神经网络,利用二分类交叉熵损失函数实现冲击负荷的分类辨识,同时引入最小平方误差损失函数对冲击负荷功率进行分解;使用非侵入式的方式并基于ARM Cortex-M4平台进行算法部署与识别测试。对比不同识别算法对冲击负荷的辨识能力,结果表明,当电网发生大功率冲击性波动时,孪生分支网络可以更准确地识别冲击负荷的设备类别,有效提高了对冲击负荷的辨识效果。     

大客户负荷管理模式的研究

文章提出了大客户负荷集成管理的模式,并介绍了一个实际的负荷管理系统的结构及其数据采集终端的特点和主站的功能.该系统在深圳供电分公司的应用表明,作者提出的管理模式和系统可以有效地指导错峰用电,提高大客户负荷管理的水平.     

智能电网下基于负荷识别的居民电动汽车需求响应特性建模方法研究

当前智能电网技术的发展对系统负荷响应特性的建模工作提出了更高的要求,特别是大规模电动汽车并网后针对居民充电行为的需求响应特性应该得到进一步研究。基于非侵入式负荷监测技术,本文分析了电动汽车实际充电功率特点,提出一种在居民家庭日负荷曲线中识别充电负荷的方法,并将此识别结果作为需求侧响应特性建模的数据基础;针对充电负荷与环境温度、日类型的相关性,本研究将相似日短期负荷预测算法引入到负荷转移率计算过程中,减小因日负荷波动带来的计算误差,并采用优化算法进行参数辨识,进而建立更为准确的分时电价下电动汽车充电负荷响应特性模型。最后仿真验证了该建模方法的有效性和优越性。     

WSN在用电客户需求侧智能管理中的应用

随着国家电网公司建设智能电网的目标的提出,智能电网用电客户需求侧管理便成为了智能电网建设中不可或缺的重点内容和客观要求,本文在研究了无线传感器网络(Wireless Sensor Networks,WSN)的规模型部署、限制性的节点资源、无线网路带宽窄、拓扑结构动态性等特点以及用电客户需求侧管理等相关知识的基础上,提出了有针对性的应用方案,以WSN为基础,使其与国王公司用电信息采集系统集成一体,对需求侧用电信息和设备运行状态进行安全监控与计量,保障了用电客户与供电企业的信息交互能够可靠运行,具有很好的应用前景和推广价值。     

考虑用户侧参与的调峰辅助服务费用分摊机制

现行调峰辅助服务费用的分摊机制仅在电厂侧收支平衡,而电网的峰谷差在一定程度上是由负荷的峰谷特性造成的,不考虑用户分摊的调峰费用分摊机制并不合理,为此,建立考虑用户侧参与的调峰费用分摊机制.在电厂侧,根据负荷率大小对常规机组的分摊电量进行修正,利用波形相似性理论对风电机组的分摊电量进行修正,保证分摊的合理性;在用户侧,通...     

电力负荷管理系统的发展趋势和系统实现

介绍了负荷控制系统及其应用变化,从电力营销和服务平台的高度分析了电力负荷管理系统的地位和作用,探讨了电力负荷管理系统的发展趋势,针对新的系统结构模式提出了客户实时数据平台的概念,并对系统实现的一些技术问题提出了解决办法。     

基于GIS的供电方案辅助决策系统的设计与应用

通过分析基于GIS的用户供电方案智能辅助决策系统的架构、功能和应用效果,利用GIS地理信息系统的二维、三维图形和数据库技术,实现了电网图形化管理和变电、输电、配电各专业的数据整合及共享,为公司生产、营销等相关专业提供电网和用户资源的编辑、查询统计、分析、专题图、供电方案辅助设计等服务,实现企业设施资源、客户关系、设计规划等业务管理的信息化与智能化,基本满足本单位实际工作的需求。     

面向区域级用户的非侵入式负荷监测技术应用方法

非侵入式负荷监测是一种先进的负荷监测手段,但其现有的应用方案暴露出高能耗、施工复杂的缺点。为此,提出一种面向区域级用户的非侵入式负荷监测技术应用方法。基于现有的用电信息采集系统构建面向区域级用户的非侵入式负荷监测边缘计算模型,基于此,分析非侵入式负荷监测任务分配问题,并采用基于深度学习的任务分配策略生成方法对该问题进行求解,生成最优任务分配策略。某中等规模居民区的算例结果验证了所提方法的可行性,且其比现有应用方法具有更低的能效代价。