论文部分内容阅读
智能电网对于居民负荷用电数据的极大需求促进了居民用电数据监测系统的蓬勃发展。而以侵入式为代表的传统监测系统在设备复杂性以及安装维护上存在缺陷,非侵入式用电数据监测系统的研究逐渐成为主流。非侵入负荷监测系统中,由于用电网络的混合信号包含单个负荷信号,因此利用负荷辨识算法将单个负荷信号从混合信号中辨识出来对非侵入负荷监测具有重要意义。首先论文总结了国内外非侵入式负荷辨识算法的研究现状,研究了非侵入式监测系统的优势,并介绍非侵入式负荷监测系统的架构和分析方法。利用非侵入模式下采集的数据,进行居民负荷暂稳态数据分析。在此基础上,论文提取多维负荷暂稳态特征,研究了基于遗传优化的辨识算法,在综合考虑有功功率及电流有效值约束条件的基础上,采用遗传算法,对有功功率及电流有效值的不同叠加组合值进行寻优,从而获得一个满足电流有效值和有功功率组合值的最优解,若实测数据包含某一种负荷的功率值和电流有效值,则此负荷投入运行,否则说明此负荷未投入运行。进一步研究基于特征空间划分的辨识算法,将多维负荷特征的成分实现降维,获取新的负荷特征空间,利用最小平方误差算法设计判别函数,为不同负荷划分各自的空间,根据待辨识负荷所落的区域进行负荷的辨识。最后论文基于负荷频域特性,分别提出了一种基于周期图理论和一种基于频域匹配滤波的负荷识别方法。一方面利用周期图理论获取负荷系统的频率响应,并对电器设备特征模型的选取和确定进行了详细的理论分析和仿真验证。另一方面利用匹配滤波器只允许负荷系统函数所具有的频率通过,其余负荷频率分量都被滤波器滤除的特点,构建匹配滤波器,对混合信号进行滤波,依据滤波后的输出信号与单个负荷信号的相似度实现辨识。通过研究,本文提出了基于负荷特征提取和基于频域特性的非侵入式智能辨识算法,实验表明,算法能够有效的辨识居民用电网络中的负荷组成,且算法实施简单,对非侵入式负荷在线监测方法具有一定的参考价值。