基于电能质量监测数据的企业环保异常工况识别 |
| |
引用本文: | 张逸,姚文旭,邵振国,张良羽.基于电能质量监测数据的企业环保异常工况识别[J].电力系统自动化,2023(5):180-189. |
| |
作者姓名: | 张逸 姚文旭 邵振国 张良羽 |
| |
作者单位: | 福州大学电气工程与自动化学院 |
| |
基金项目: | 国家自然科学基金资助项目(51777035)~~; |
| |
摘 要: | 针对目前污染企业环保工况异常监测实施困难、识别误差大、结果易被篡改等问题,提出了一种基于电能质量监测数据的环保异常工况识别方法。区别于对每个设备安装分表进行用电监测的现有方案,使用企业设备公共用电入口处非侵入式负荷监测所得的多维电能质量数据进行工况分类模型训练,实现异常工况识别。首先,对表征生产情况的特征数据进行时序变点检测与聚类计算,实现企业生产工况的划分;然后,结合环保设备运行情况得到用于分类的环保工况类别;进而,采用Stacking集成学习模型对环保相关的工况场景进行分类学习;最后,利用所训练的分类模型识别出企业存在的环保异常工况。利用仿真测试数据与实际企业数据验证了所提方法的有效性。
|
关 键 词: | 环保工况 电能质量 监测数据 非侵入式负荷监测 异常工况识别 环保监测 突变点检测 工况分类 Stacking模型 |
|
| 点击此处可从《电力系统自动化》浏览原始摘要信息 |
|
点击此处可从《电力系统自动化》下载全文 |
|