检索结果-南通市图书馆

Event-based Two-stage Non-intrusive Load Monitoring Method Involving Multi-dimensional Features

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

CSEE Journal of Power and Energy Systems 2023年第3期9卷 1119-1128页

作者： Yongjun Zhou Shu Zhang Bolu Ran Wei Yang Ying Wang Xianyong Xiao College of Electrical Engineering Sichuan UniversityChengdu 610065China State Grid Tibet Power Company LtdLhasa 850000China State Grid Hangzhou Power Supply Company Hangzhou 310000China

This paper proposes an event-based two-stage Nonintrusive load monitoring(nilm)method involving multidimensional features,which is an essential technology for energy savings and management.First,capture appliance events using a goodness of fit test and then pair the on-off events.Then the multi-dimensional features are extracted to establish a feature library.In the first stage identification,several groups of events for the appliance have been divided,according to three features,including phase,steady active power and power peak.In the second stage identification,a“one against the rest”support vector machine(SVM)model for each group is established to precisely identify the appliances.The proposed method is verified by using a public available dataset;the results show that the proposed method contains high generalization ability,less computation,and less training samples.

关键词： Feature library multi-dimensional features nilm residential appliances SVM two-stage identification

一种基于时频特征融合和极限学习机的非侵入式负荷识别方法

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

电工电能新技术 2023年第3期42卷 85-96页

作者：莫浩杰彭勇刚蔡田田邓清唐韦巍智新振浙江大学电气工程学院浙江杭州310012 南方电网数字电网研究院有限公司广东广州510700

以往的负荷识别方法在提高识别精度和实际落地部署方面遇到了一些挑战,如传统经典方法的识别准确度相对较低,而先进深度学习方法又因其较复杂的模型而很难部署到嵌入式设备上。为解决上述问题,本文提出一种基于高频样本数据识别方法。... 详细信息

以往的负荷识别方法在提高识别精度和实际落地部署方面遇到了一些挑战,如传统经典方法的识别准确度相对较低,而先进深度学习方法又因其较复杂的模型而很难部署到嵌入式设备上。为解决上述问题,本文提出一种基于高频样本数据识别方法。首先采用快速傅里叶变换(FFT)和希尔伯特变换(HT)对样本进行时域和频域特征提取。然后基于极限学习机(ELM)提出了一种多特征融合学习策略来获取特征与负荷类型之间的映射关系,设计了一种窗口调整方法,以获得最优模型和最合适的窗口长度。最后在两个高频公共数据集BLUED和PLAID上对该方法进行了实验评估。实验结果表明,所提方法具有识别性能较好、易于在嵌入式设备上落地部署的优点。

关键词：特征融合负荷识别 nilm 数字电网时频特征

复杂多态家用电器场景下nilm负荷事件类型判别方法研究

在线全文

学校读者我要写书评

暂无评论

南昌工程学院学报 2022年第6期41卷 59-65页

作者：王宗耀康兵李金龙王晓虎张兴旺李瑾丁贵立许志浩南昌工程学院电气工程学院江西南昌330099 南昌工程学院江西省高压大功率电力电子与电网智能量测工程研究中心江西南昌330099 上海电机学院电气学院上海201306

本文提出了一种复杂多态家用电器场景下非侵入式电力负荷监测(nilm)负荷事件类型判别方法。首先采用Savitzky-Golay滤波算法对负荷事件前、后的稳态电流波形进行滤波处理,剔除高频成分和噪声成分;其次通过离散小波变换对滤波后的电流波... 详细信息

本文提出了一种复杂多态家用电器场景下非侵入式电力负荷监测(nilm)负荷事件类型判别方法。首先采用Savitzky-Golay滤波算法对负荷事件前、后的稳态电流波形进行滤波处理,剔除高频成分和噪声成分;其次通过离散小波变换对滤波后的电流波形进行分解处理,得到近似分量波形;最后基于皮尔逊相关系数计算负荷事件前、后近似分量波形的相关性系数,并依据相关性系数对负荷事件的性质进行判别。通过对空调、洗衣机、电冰箱等复杂多态电器的大量电流波形测试,结果表明:经本文方法处理后的电器投切负荷事件电流波形相关系数在0.6以下,而多态电器模式转换负荷事件相关系数在0.65以上,这一标准可作为复杂多态电器场景下负荷事件类型判别的主要判据。

关键词： nilm Savitzky-Golay滤波算法离散小波变换皮尔逊相关系数

在线全文

学校读者我要写书评

暂无评论

基于nilm的污染源监测方法应用初探

计算技术与自动化 2022年第4期41卷 149-156页

作者：刘春蕾庞鹏飞石纹赫胡伟俊戚军国网河北省电力有限公司保定供电分公司河北保定071000 浙江工业大学信息工程学院浙江杭州310023

鉴于现有污染源监测技术易于作弊的问题,提出了一种基于非侵入式负荷监测(nilm)的新型污染源监测方法,通过实时监测企业入户电力线路获取排污设备和治污设备启停信息。首先,对采集到的线路电压和电流信号进行小波去噪,然后,设计了基于... 详细信息

鉴于现有污染源监测技术易于作弊的问题,提出了一种基于非侵入式负荷监测(nilm)的新型污染源监测方法,通过实时监测企业入户电力线路获取排污设备和治污设备启停信息。首先,对采集到的线路电压和电流信号进行小波去噪,然后,设计了基于最小二乘预测法的设备投切事件检测方法,最后,提出相位和频率矫正来提高设备负荷特征提取精度。BLUED数据库仿真以及实际工程应用结果表明:基于nilm技术的污染源监测方法能以较高的速度和精度检测出设备投切事件和负荷特征,同时具备较高的抗干扰能力和较低的实现难度,推广应用前景广阔。

关键词： nilm 污染源监测小波滤波最小二乘预测法相位矫正频率矫正

在线全文

学校读者我要写书评

暂无评论

一种双态非侵入式监测系统的设计

信息技术与信息化 2022年第9期 10-14页

作者：张狂邢海云孙世凡袁辉包永强南京工程学院信息与通信工程学院江苏南京210000

目前非侵入式负荷监测研究大多停留在对于负荷分解、神经网络优化等理论性研究,且大部分数据采样依赖高频采样,为了避免高频采样的负面影响,提出了一种两种状态采样的监测系统。系统首先使用ESP32作为MCU控制数据采集,正常工作状态为低... 详细信息

目前非侵入式负荷监测研究大多停留在对于负荷分解、神经网络优化等理论性研究,且大部分数据采样依赖高频采样,为了避免高频采样的负面影响,提出了一种两种状态采样的监测系统。系统首先使用ESP32作为MCU控制数据采集,正常工作状态为低频采样;然后通过UDP协议传输至局域网主机进行状态分析;最后局域网主机将采集结果发送至云端服务器,将结果展示给用户,用户可以根据当前展示的信息选择是否开启高频采样进一步判断设备状态。系统可行性分析表明,系统的传输速率满足需求,通过灵活控制采样频率可以有效缓解高频采样带来的温度隐患。

关键词： nilm 系统设计双态

在线全文

学校读者我要写书评

暂无评论

家庭用电负荷识别方法研究

家庭用电负荷识别方法研究

作者：肖森林重庆理工大学

学位级别：硕士

非侵入式负荷监测(nilm)是针对电力系统的发展理念框架,相对于传统负荷监测方式,非侵入式更加智能化。nilm通过在供电入口安装信号传感器采集负荷运行时的电流电压信号,再通过软件的方式进行分析或者传入后台分析,能够进行负荷识别、负... 详细信息

非侵入式负荷监测(nilm)是针对电力系统的发展理念框架,相对于传统负荷监测方式,非侵入式更加智能化。nilm通过在供电入口安装信号传感器采集负荷运行时的电流电压信号,再通过软件的方式进行分析或者传入后台分析,能够进行负荷识别、负荷管理以及预测故障发生。对电力公司而言,nilm能够帮助其了解每个住宅或者其他整体结构中用电负荷的构成及负荷信息,从而能够加强对负荷的管理等。用户能够对家庭用电的耗能数据进行统计与分析,能够帮助用户对电能的合理利用,减少不必要的损耗。不同负荷投入与切出都会表现出独特的暂态特性,通过对暂态事件发生点或者时刻进行检测,记录其详细信息进一步做处理。暂态特征能够在一定程度上克服利用负荷稳态特征对负荷进行识别的局限。负荷稳定运行时电流中包含有谐波成分,会引起电流产生一定程度的畸变,可以通过傅里叶分析其谐波成分,可以发现其成分不同。该特征可以应用于多种负荷都处于稳定运行状态时,对混合电流分解成独立的分量。二维图形特征V-I轨迹可以对负荷进行刻画,不同电器所形成的V-I轨迹区域是不同的,例如电阻型为直线等。文章主要具体工作及研究如下:(1)利用采集的不同负荷投入和切出时的暂态信号,使用非参数化CUSUM对信号突变点检测与原始突变点进行比较。采用加窗的方式对非参数化CUSUM改进,将改进后CUSUM得到的结果与非参数化CUSUM结果对比,改进CUSUM有较好准确度。(2)利用负荷产生的混合电流由负荷独立运行时电流相互独立叠加的特性,将电力负荷分解问题利用盲源分离模型进行建模处理。对负荷混合电流信号进行中心化和白化预处理,利用独立成分分析对混合电流进行分解得到分解电流,构建评价函数对分解结果进行量化。(3)以负荷正常稳定运行时电压V、电流I为基础并对其标准化作出V-I轨迹,提取V-I轨迹区域具有的特征参数,并将提取的特征参数作为样本,利用模糊聚类(Fuzzy Clustering)对样本与待识别负荷特征参数构建的数据集分类,以是否属于同一类判断负荷类别。在MATLAB平台进行仿真实验证明,V-I轨迹的模糊聚类能够实现负荷种类的分析。FastICA可以对混合信号分解出完整波形,整体效果较好。对CUSUM进行改进并使用暂态信号进行验证,改进CUSUM突变点检测误差低。利用实测负荷连续投入产生的电流信号进行验证,能够实现突变点检测及混合信号的分解,通过相关评价准则,该方法在应用中能够实现负荷的识别。

关键词： nilm 负荷识别 CUSUM V-I轨迹模糊聚类独立成分分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于无监督学习的居民用户非侵入式负荷识别

基于无监督学习的居民用户非侵入式负荷识别

作者：张诗满华北电力大学

学位级别：硕士

随着坚强智能电网和泛在电力物联网建设工作的推进,电网需求侧管理越来越重要。同时,全球能源危机和环境恶化问题日益严重,急需人类采取必要措施。居民用户是电力用户的重要组成部分,其用能特点与工商业用户相比更具灵活性,增强供电与... 详细信息

随着坚强智能电网和泛在电力物联网建设工作的推进,电网需求侧管理越来越重要。同时,全球能源危机和环境恶化问题日益严重,急需人类采取必要措施。居民用户是电力用户的重要组成部分,其用能特点与工商业用户相比更具灵活性,增强供电与用电双方的互动有利于电网的削峰填谷,保证电网安全稳定运行。非侵入式负荷监测可以获得细粒度的电力用户数据,是一种先进的传感测量技术,在智能用电、节能减排、电网调控等众多方面具有重要应用价值。本文在广泛检索国内外相关文献的基础上,阐述课题背景、相关概念和研究意义,对国内外的研究现状做简要介绍。重点分析非侵入式负荷监测的基本原理,说明其主要流程和关键技术。同时,介绍了当前对非侵入式负荷监测方法的评价指标,以及该研究领域的技术难点。总结归纳该课题的重要方法,分析监督学习和无监督学习方法在该课题上的使用情况。现有方法主要采用监督学习模型,此类模型需要具有针对性的大量训练数据,而且无法有效识别在训练数据中未出现的负荷。鉴于无监督学习方法的独特优势,本文提出一种无监督学习类型的非侵入式负荷监测方法。将家用电器状态改变过程中的暂态功率波形,以及状态改变前后的功率变量和暂态时间作为负荷特征。在检测到负荷操作事件发生后,利用动态时间规整算法计算其与历史负荷事件中暂态功率波形的匹配度。基于波形匹配度进行动态聚类,然后利用关联规则分析找出属于同一个电器的负荷特征集,进而达到识别负荷的目的。另外,利用序列模式挖掘算法对负荷特征进行去噪整理,提高负荷识别准确度。论文最后,通过两个算例分析说明本文所提方法的可行性和实用性。算例一基于理想情况的实验数据,调整算法参数,验证该方法的可行性,测得理想环境下的识别准确度。算例二基于国外公开发布的数据集进行实验,并与部分算法横向对比,通过相关指标说明该方法的优劣。算例分析结果表明,本文所提方法易于实现,在准确率和可靠性方面有明显提高,符合居民用户非侵入式负荷识别的应用。

关键词：无监督学习 nilm 聚类关联规则序列模式挖掘

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

非侵入式居民电力负荷监测方法研究

非侵入式居民电力负荷监测方法研究

作者：马雷东南大学

学位级别：硕士

智能电网是未来电网发展的最终形态,与传统电网相比,它建立在高度发展的通信网络基础之上,通过现代发达的传感技术、测量技术、计算决策技术、控制技术,实现电网系统信息的双向流通。传统的负荷监测方法采用的是侵入式负荷监测技术,需... 详细信息

智能电网是未来电网发展的最终形态,与传统电网相比,它建立在高度发展的通信网络基础之上,通过现代发达的传感技术、测量技术、计算决策技术、控制技术,实现电网系统信息的双向流通。传统的负荷监测方法采用的是侵入式负荷监测技术,需要安装大量的传感器采集设备,安装维护成本巨大,并且每个传感器就是一个数据源,后期数据处理困难。因此,研究人员提出了非侵入式负荷监测(non-intrusive load monitoring,nilm)方法,nilm一般分为四大步骤:数据采集与处理、投切事件检测、负荷特征提取、负荷识别。本文在总结已有的研究基础上将小波变换和能量比算法引入到nilm监测方法,具体工作如下:(1)在MATLAB/SIMULINK环境下搭建家用电器模型,选择冰箱、空调、热水器和电力电子设备四种典型的家用电器。模拟居民小区运行情况,根据仿真模型获取各家用电器以及综合运行场景下的电压、电流和有功功率波形,讨论了各家用电器投运时的暂态过程以及识别的可行性。(2)选择能量比算法(energy ratio algorithm,ERA)进行事件探测,以有功功率的能量比进行家用电器投切判断,并且根据能量比算法和有功功率的变化量分离暂态过程,结果证明能量比算法能够成功判断出电器投切时间并且将暂态过程分离出来。(3)对家用电器的暂态过程,采用小波变换进行小波分解,通过并行滤波器组克服多分辨分析的二抽取缺点,继而选择小波能谱和小波熵作为负荷特征,建立4种电器30维特征数据库,并且采用主成分分析方法对负荷特征向量进行降维,结果显示不同种类负荷的特征向量差异性很大,可以作为负荷特征。(4)针对上述的负荷特征,对多户家庭综合运行情况采用深度信念网络(deep belief network,DBN)进行识别,网络结构包含两个RBM层和一个BP神经网络,结果表明3户和9户家庭单元综合运行情况的识别准确率在95%以上,并且可以识别出多个家用电器同时投运。

关键词： nilm 能量比算法小波变换 DBN

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

非侵入式负荷监测的事件检测方法研究

非侵入式负荷监测的事件检测方法研究

作者：谢政艳华北电力大学(北京)

学位级别：硕士

加强住宅内电力能源消耗的监测对减缓能源供应的短缺和智能电网发展都具有重要的现实意义。为了提高居民住宅环境中的能源利用率,对家庭能源功率消耗的可视化监测是一个重要的技术。在居民住宅中,用电监测有助于节约能源,非侵入式负荷监... 详细信息

加强住宅内电力能源消耗的监测对减缓能源供应的短缺和智能电网发展都具有重要的现实意义。为了提高居民住宅环境中的能源利用率,对家庭能源功率消耗的可视化监测是一个重要的技术。在居民住宅中,用电监测有助于节约能源,非侵入式负荷监测(nilm)技术是实现用电监测的一个重要方法。nilm的目的是使用机器学习技术将消耗的总功率分解为单个用电设备的功耗。本文研究了非侵入式负荷监测的事件检测方法,所谓事件就是指被监测的用电负荷接入或切断运行的用电行为。事件检测在非侵入式负荷监测中具有非常重要的作用,它能够准确地检测出家庭住宅环境中的用电器开或关。在保持消费成本的前提下,提高nilm中事件检测方法检测率及保持其鲁棒性也是很重要的。针对BLUED数据的功率信号存在噪声,且对事件的检测结果有产生很大影响,本文首先采取中值滤波对总功率数据进行预处理,得到最佳的总功率数据。其次,介绍了现有的标准X2GOF事件检测方法,且该方法对功率信号中增加的可变基负载具有非鲁棒性。针对标准X2GOF方法存在的问题,论文研究了两种最新的鲁棒性事件检测方法:改进版本的卡方拟合优度检验法和基于倒频谱平滑法的事件检测方法。然后,通过MATLAB仿真软件,采用BLUED数据集分别对这两种方法进行实例仿真并分析其仿真结果。最后,文章根据分析结果,采用特征度量值F分别对三种事件检测方法的鲁棒性进行具体分析,并得出本文研究的两种事件检测方法具有鲁棒性的结论。因此,基于BLUED数据集的实例仿真结果表明,本文新研究的算法对较高的基负荷具有比标准X2GOF方法更好的性能。

关键词： nilm 事件检测 X2GOF方法鲁棒性倒频谱