论文部分内容阅读
随着节能问题的日益严重和智能电网的发展,能耗监测技术越来越成为人们关注的重点。非侵入式负荷监测(non-intrusive residential load monitoring,NILM),是电力能耗监测的关键技术,其实质是负荷分解,不同于侵入式负荷监测(intrusive residential load monitoring,ILM),NILM 仅在用户入口 处安装一个传感器,通过采集和分析用户用电总电流和端电压来监测户内每个或每类电器的用电功率和工作状态,不需要为每一个用电器添加电力数据监测设备,投入资金少,安装使用方便,具有很大的研究价值和应用前景。本文基于此背景提出一种基于隐马尔可夫模型(Hidden Markov Model,HMM)的非侵入式负荷分解方法,并利用公开数据集进行实验验证,证明了该方法的准确性和有效性。本文首先对HMM原理进行介绍,并对其在NILM中的应用进行描述,分析了模型的五个基本参数:状态值集合,观测值集合,转移概率,观测概率和初始概率在本文方法中所代表的意义,对于多用电器的负荷分解场景,利用合适的状态表示方法可以在不改变HMM结构的前提下实现负荷分解任务。然后对已有的利用用电器数据的统计规律确定状态的方法进行改进,使之适用于更加普遍的情况,提出一种对拥有不同状态个数的多用电器的状态表示方法,该方法基于二进制编码思想,原理清晰,计算简单,适合于多用电器的负荷分解场景。其次,采用公共数据集AMPds对提出的负荷分解方法进行实验验证,为了得到一般化的结果,实验方法采用10-交叉检验,选取七种常用用电器的稳态电流作为负荷特征,分别考虑只有开关两种状态的情况和考虑两种以上多状态的情况,从基本精确度计算方法和F-值及其改进方法对负荷识别结果进行性能评价,并分析评价结果。最后,对负荷分解结果进行能耗估算,分别计算每一组实验中每一个用电器的具体耗电量和能耗占比。通过分析,本文提出的负荷分解方法在用电器状态识别和能耗估算上都具有较高的精确度和有效性。