基于神經網絡模式識別的非侵入式負荷監(jiān)測方法研究.pdf_第1頁
已閱讀1頁,還剩47頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、居民用戶是堅強智能電網的重要消耗端,也是微電網的重要組成部分。居民用戶的科學合理用電對推進整個社會的節(jié)能減排、緩解能源危機起著至關重要的作用。一個有效的家庭能源管理系統(REMS)是開展節(jié)能工作的基礎,它可有效地幫助居民用戶知曉家庭內不同時段各電器設備的電能消耗情況,提高用戶參與需求響應的意識,指導用戶合理選購節(jié)能設備,制定科學的節(jié)能計劃,繼而達到降低家庭消耗,減少電費開支的目的。因此,實現居民用戶用電細節(jié)的監(jiān)測對提高我國能源利用效率、

2、實現能源的可持續(xù)發(fā)展、緩解當前能源壓力和建設能源節(jié)約型社會等具有重要意義。然而,當前家庭中的智能電表只能告訴用戶一個總的能耗信息,并不能夠實現居民用電細節(jié)的監(jiān)測。為此,人們提出了非侵入式負荷監(jiān)測(NILM)技術,它只需要在用戶的用電入口處安裝電力監(jiān)測設備,通過對該點收集到的電流、功率等信號進行分析得到家庭中每個或每類電器的具體用電情況。本文在總結前人研究的基礎上提出了一種智能化的NILM監(jiān)測方案,并對所提出方案的準確性和有效性進行了詳細

3、的分析。
  本文首先詳細說明了 NILM技術的研究背景和意義,介紹了NILM技術的基本概念,為本文提出的NILM方案提供了扎實的基礎。另一方面,文章還介紹了國內外負荷監(jiān)測技術的研究現狀,闡明了當前NILM技術遇到的瓶頸和研究難點:包括對電力監(jiān)測設備采樣頻率要求高、分解準確率不高、難以有效處理多工作模式電器投入使用等問題?;诖耍疚膶⒀芯恐攸c放在如何在低采樣頻率(小于1HZ)的前提下,通過對一個或幾個監(jiān)測得到的總負荷特征參數(如

4、電流、功率)進行分析,實現居民用電負荷的辨識。
  其次,文章介紹了神經網絡模式識別(NNPR)模型用到的理論基礎,包括神經網絡的結構、神經網絡的數學基礎以及應用神經網絡進行模式識別的發(fā)展概況。通過與傳統的模式識別方案進行對比,闡明了NNPR方案的優(yōu)越性。
  第三,本文提出的NILM方案是基于神經網絡模式識別技術。該方案在考慮負荷本身特征(電流,有功功率等)的同時,還充分利用了歷史監(jiān)測數據中隱藏的用電信息(即電器工作的時間

5、信息)。通過改變NNPR模型輸出層節(jié)點個數,有效解決了多工作模式電器的識別問題。而后利用監(jiān)測得到的歷史用電數據,提出電流密度曲線的概念,確定了負載工作模式種類以及每種工作模式下對應的電流值,并依此對原始監(jiān)測數據進行標記(Label)。
  最后,文章給出了一種全新的非侵入式能耗估算方案,并使用實驗室數據和國際上公開的用于NILM技術研究的AMPds數據進行算法驗證。實驗室數據的算法驗證結果顯示,文章中提出方法的負荷辨識準確率在90

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論