论文部分内容阅读
对用电行为进行监测统计不仅能为用户提供有效的安全用电提醒,同时能为政府、用电器厂商等提供可靠的分析数据。对用电行为进行研究,确定一种有效的用电行为数据采集、负载精确识别和信息监控方案及算法,提高用电安全性,推动产业变革具有现实和长远意义。本文对用电行为监测技术中的负载精确识别技术进行研究并提出了一种基于BP神经网络的用电行为监测系统。首先研究了在负载识别中常用技术方法,分析了通过负载功率特征、电流-电压轨迹法、电流瞬态特征、稳态特征进行负载识别的技术,对神经网络模型特点和BP算法思想进行详细研究提出了基于神经网络的用电行为监测方法。进一步分析了负载的基本模型特点,研究了用电行为数据的提取技术和用电数据特征数据的预处理技术,并讨论了具体的实现方法,将电流谐波作为神经网络的输入层数据对负载类别进行匹配识别,之后,通过欧式距离算法进行负载精确识别,最后获得用电行为数据。此外,使用Java Web相关技术对系统进行实现和测试。本文就以下方面进行了系统的分析和研究:(1)研究了电路中不同类别负载的模型特点以及用电行为数据的非侵入式提取和电流谐波数据特征提取工作。通过对不同类别负载的模型分析研究得到负载的特点,检验以电流谐波特征作为不同类别负载分类的可行性。(2)分析研究了将BP神经网络理论应用于用电行为监测过程。将负载电流谐波数据做为神经网络的输入样本用于训练负载类别分类系统,并通过MATLAB仿真技术对BP神经网络性能进行验证。(3)研究了用电行为监测系统实现的具体技术。使用Java及相关技术对系统的整体应用平台进行实现,包括数据采集终端的实现技术,数据可靠传输,用电行为识别系统和数据监控平台的架构实现及监测数据存储。通过对基于神经网络的用电行为监测系统在高校生活区的应用,该系统促进了管理部门对用电器监管的智能化,提高的信息的及时性、准确性,对用电行为的深入研究和应用具有一定参考价值。