住宅用电负荷的非侵入式监测方法研究

《住宅用电负荷的非侵入式监测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、住宅用电负荷的非侵入式监测方法研究重庆大学硕士学位论文(学术学位)学生姓名：王志超指导教师：雍静教授专业：电气工程学科门类：工学重庆大学电气工程学院二O一五年四月TheResearchonAlgorithmoftheNIALMofResidentialAppliancesAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheMaster’sDegreeofEngineeringByWangZhichaoSupervisedbyProf.YongJ

2、ingSpecialty：ElectricalEngineeringCollegeofElectricalEngineeringofChongqingUniversity,Chongqing,ChinaApril,2015重庆大学硕士学位论文中文摘要摘要加强建筑物内的电力能耗监测对于缓解能源供应短缺和智能电网的建设而言都具有重要的现实意义。传统的监测方法由于成本和效率等原因在应用上受到很大制约，近年来出现的非侵入式负荷监测系统只需要在单户住宅配电总进线处装设采样设备（即电表），不仅可以降低监测成本，还能赋予电表更强大的功能。使得电表不单是实现对住宅

3、内电力负荷总功率的简单计量，而是将功率监测深入、细化到住宅内部的各主要用电负荷。这一技术能提供住宅内分时、分类的用电信息，对电力公司和电力用户都具有重大价值，因此受到了广泛关注。本文采用基于事件的非侵入式负荷监测方法，所谓事件是指被监测用电负荷投入或切除运行的电气行为。本文利用负荷的稳态特征参数进行识别，一方面是因为用电设备正常工作时的稳态特征具有一定的统计规律，另一方面监测暂态特征对硬件的存储空间、运算速度都有很高要求，不利于推广。本文在之前对功率变化值、电流谐波、电压-电流轨迹（V-Itrajectory）这三种稳态特征研究的基础上，介绍各自定

4、义，结合事件检测算法重点说明从住宅总用电数据中提取引发事件的负荷特征的方法，并通过实验验证提取方法的正确性。本文接着介绍建立常用低压家用电器设备特征数据库的方法，提出利用决策树算法和数据库，实现从不同组合负荷运行时的采样数据（电压、电流）中，进行负荷识别和分类的流程和具体处理方法，通过仿真和实验证明了上述方法的有效性。其中负荷识别将提取到的待识别负荷的特征参数与数据库中已知负荷的特征参数进行比较，选择最近似的作为识别结果，而负荷分类将具有相似前级电路结构的电器归为同一类进行监测，对数据库完备性要求低，对负荷特征参数依赖性也较小。根据决策树算法的分治

5、思想结合多种特征参数进行识别和分类的算法具有简单、高效的特点。关键词：非侵入式，负荷识别，负荷分解，多特征参数，决策树I重庆大学硕士学位论文英文摘要ABSTRACTForalleviatingtheenergysupplyshortagesandpowersystem,ithassignificantmeaningtostrengthenenergyconsumptionmonitoringinbuildings.Traditionalmonitoringmethodisrestrictedinapplicationbecauseofitscost

6、sandefficiency,theNILM(Non-IntrusiveloadMonitoring)emergedinrecentyears,thismethodonlyneedtodeploydatasamplingequipment(namelyelectricmeter)atpowerentrance,itcannotonlyreducemonitoringcosts,butalsoconferelectricmeterpowerfulfunction.Withthistechnology,electricmeterisnotsimplyt

7、oimplementionofmeasuringthetotalpowerconsumptionataggregate-level,it'sabletoestimatethepowerconsumptionatappliance-level.TheNILMsystemisbasedoneventsinthispaper,eventsreferstoON/OFFoperationofappliances.Thesteadyfeaturesofloadsareusedtoloadidentification.Ontheonehand,thesteady

8、featuresofloadsinnormaloperationobeystatisticalregularity.Ont