设计应用

基于谐波分量与有效值的神经网络负荷分解

作者:蔡雨露,聂玉虎,崔文朋,郑 哲,刘 瑞,池颖英
发布日期:2022-08-09
来源:2022年电子技术应用第8期

0 引言

    非侵入式负荷监测(Non-Intrusive Load Monitoring,NILM)也称为非入侵式负荷分解(Non-Intrusive Load Disaggregation,NILD)[1],其通过对某一特定区域的总电表数据进行分析,可获取该范围内各用电负荷的相关信息,如负荷的数量、各负荷的类别、所处工作状态以及对应的能耗使用情况等[2]。NILM可以在不入户、不对用户用电器分别安装电表的前提下,实现对用户用电情况的监测,通过用电行为分析更精准为用户提供相应的用电服务[3],对提高供电服务水平、节省电能资源、提高用电效率等都有重要的现实意义。

    1980年,Hart[4]开创性地提出NILM的概念,所提出的监控器在电源接口处进行测量,基于对总负载的电流和电压的详细分析来确定在电负载中打开和关闭的单个设备的能耗。这种方法可以将用电器从少量电器种类中分解出来,对于用电器种类较多的情况下,则很难准确地进行分解。因此,后续不断有学者提出通过增加不同负荷特征的方式改进分解效果。负荷特征主要包括有稳态特征、暂态特征、周期性特征状态转换特征,其中暂态特征又可以细分为暂态功率波形特征、电压噪声特征等,稳态特征细分为功率的阶跃特征、稳态电流波形特征等[5]。通过研究发现,通过提取更多特征的方式进行负荷分解取得了良好的分解效果。




本文详细内容请下载:http://www.chinaaet.com/resource/share/2000004664




作者信息

蔡雨露,聂玉虎,崔文朋,郑  哲,刘  瑞,池颖英

(北京智芯微电子科技有限公司,北京100192)




wd.jpg

此内容为AET网站原创,未经授权禁止转载。
非侵入式负荷分解 卷积神经网络 智能电网
Baidu
map