论文部分内容阅读
如果能够对居民家用电器负荷进行监测,使得电费信息能像话费账单一样显示各个电器的电量消耗情况,那么对节能减排,环境污染等方面的意义是非同凡响的。传统的侵入式监测方法存在成本高、数据处理复杂、设备运维困难等问题。近年来,随着技术的创新,非侵入式负荷监测系统应运而生。这一系统只需在居民的配电总进线处装设信息采集装置,降低成本的同时又减少了运维的工作量。本文首先利用Simulink搭建模型以仿真各种电器设备在居民家中投切的情况,选取了最具代表性的四种电器:冰箱、空调、热水器与电力电子器件(如:电视机,充电线等)。仿真模型搭好之后,本文利用能量比算法来估计负荷投切发生的时刻,即利用有功的波动来探究是否有电器投入或者切除。然后,利用小波分析技术,分解电流信息,来提取负荷的特征参数。最后,基于深度信念网络这一算法,学习各用电设备的负荷特征模式,来达到最终的识别负荷的目标。本文的主要研究内容及结论有:(1)采用Matlab软件进行高度的仿真,来模拟家庭各用电负荷的实际情况。其中电机用来模拟冰箱,电阻用来模拟电灯与热水器,而感应电机,即异步电机则用来代替空调。由此支持后续的实验探究,来对典型的单个和组合的负荷运行事件进行仿真实验,并对其特征进行分析,建立相应的负荷特征数据库,验证典型算法的实际应用效果,分析优缺点。(2)采用能量比算法的方法进行事件探测。因为能量比算法有容易理解,稳定性优越,参数选择方便等方面优势,作为研究本课题的方法比较合理、适用。(3)使用小波分解的方法进行特征提取。本方法现如今比较成熟,研究的论文也多,对于以后的应用价值高,所以值得学习。暂态特征在频率尺度上展开,挖取辨识度高、有代表性的某频率波形或者组合为样本进行特征选取。(4)采用模式识别作为负荷识别模块的方法。相对于数学优化,模式识别的方法更加智能化,它通过学习各用电设备的负荷特征模式,达到识别负荷的目标。本课题主要采用基于深度信念网络DBN(深度置信网络)的模式识别法,但是此方法只能分析涉及的负荷种类不多、涉及的状态也比较简单的情况、复杂的情况下的模式识别方法过于复杂,不易研究。本文针对非侵入式负荷监测系统,分四大块进行工作,分别是:Simulink仿真来进行数据采集;能量比算法来进行事件探测;小波分解进行特征提取,以及深度信念网络来进行负荷识别。对于数据采集部分,把居民家用电器负荷分为了电阻型、电机型以及电力电子类负载,这三种类型。每家每户假设负载为一台冰箱,两台空调,一个热水器与一个电力电子器件。并且三个家庭为一组负荷单位,A、B、C三相各带三组负荷单位。对于事件探测部分,本文利用能量比算法,通过有功能量的变化来判断电器的投切时刻。这一算法很可靠也很简单实用,因为当某个时间点,电器发生投切变化时,必然会伴随有功的变化,也就必然导致有功能量的变化。对于特征参数提取,在原有研究基础上进行了改进,自我定义了投切时刻前后各0.5s即1s内的小波系数平方和作为小波能量,并将其作为负荷的特征参数。最后利用深度信念网络,以小波变换后的第三层第四层小波系数作为输入层,自定义的五个电器函数值作为输出层来训练,进行最终的负荷识别,然后设定一组已知数据进行检测,判断算法的实用性。