论文部分内容阅读
电能是如今数字化信息社会的重要能源载体,它是由电力部门将其他形式的能源经过相关处理转换而成的更为清洁、有效、方便的二次能源。从二次工业革命以来,电能一直支撑着世界科技水平的迅猛提高和世界经济的繁荣发展。电能被广泛应用在各个有关工业生产和人民生活领域中,已经成为社会不可或缺的“能源元素”。但随着当今世界飞速发展,能源消耗日趋紧张,电能作为一种工业社会最为依赖的二次能源,也在面临各类短缺、浪费的问题。为了更加合理地规划、分配、使用电能,需要对区域用电进行负荷监测辨识。传统的负荷监测辨识方法,通过在每一个被监视负荷处加装传感器等硬件设备,获取各用电设备用电行为,这种侵入式监测方法在安装和维护方面需要花费大量的时间和资金,也无法满足电力系统的不断发展的需要。对此,非侵入式负荷辨识（NILM）方法能有效解决侵入式辨识带来的适用性不强等问题。针对用电设备非侵入式负荷辨识精度不高、效率低等问题,本文综合改进的隐马尔可夫链模型（Hidden Markov chain Mode）,提出一种基于L1范数的稳态特征非侵入负荷辨识的方法,有效提高了用电设备辨识精度和效率。该方法将稳态谐波电流及稳态有功功率作为特征参数建立特征数据库,再通过边沿检测获取准确的稳态状态段,然后运用L1范数最小化（L1 norm minimization）算法进行迭代计算,同时以训练完毕的隐马尔可夫链模型对其进行修正,有效解决了传统模式识别类算法稳定性差、辨识效果不佳的缺陷。通过仿真和实验分析,对本文所提出的方法和传统的辨识方法进行了分析比较,模拟的实验结果证明本方法能有效提高NILM辨识系统的精度和效率。本文所做研究工作包括以下三部分:（1）结合非侵入式负荷辨识相关的理论知识,分析研究用电负荷特征参数;构建了边沿检测方法,准确划分各用电设备的稳态状态边沿,分析并建立了特征参量的特征数据库。（2）研究非侵入式负荷辨识核心算法,深入分析用电负荷谐波电流特征量,利用谐波特征参量建立初步的稀疏域辨识模型。分析研究范数求解方法,总结出1l范数辨识算法;通过分析比较用电负荷的特征参量,结合用电负荷的状态时间参数,利用改进型的隐马尔科夫模型完成对各用电设备工作状态的综合辨识（3）完成了对非侵入式负荷辨识模型系统的整体平台设计。依托RT-Lab实验平台,进行算法模型的仿真验证;通过搭建外围采集、滤波电路,构建了非侵入式负荷辨识实时监测平台,对所测区域内的用电负荷进行实时监测辨识,并对同类型的算法进行了横向比较分析。