论文部分内容阅读
非侵入式负荷分解能从用户总用电数据中获取用户用电详情,便于电力部门提升用户管理水平。本文对非侵入式负荷分解相关技术进行了综合分析,并进一步研究了非侵入式负荷分解算法。本文主要从如下几个方面展开研究:首先针对非侵入式负荷分解的事件检测算法准确率不高的问题,利用稳态有功功率特征,改进了三种事件检测算法:改进滑动CUSUM双边累积和算法,改进滑动卡方-GOF算法和改进滑动Cepstrum算法;与文献结果对比可知,三种事件检测算法的事件检测准确率较优。并且改进滑动卡方-GOF算法相比传统滑动卡方-GOF算法能够有效地检测出大基准功率事件,避免了此种情况的漏检。同时,在改进滑动CUSUM双边累积和算法进行事件检测的基础上利用差量特征提取算法进行了功率特征提取。提取特征序列和模板特征序列的对比结果表明了良好的特征提取效果。然后采用K-means聚类获取模板特征序列和提取特征序列聚类中心,同时对模板特征序列聚类中心和提取特征序列聚类中心进行聚类中心匹配,获取匹配距离排序。进一步利用DTW算法计算模板特征序列和提取特征序列的整体匹配距离,获取整体相似度排序。选择两个排序结果中排名最靠前的设备为识别设备。实验表明,该方法在一定场景下能有效识别出目标设备。其次针对传统非侵入式负荷分解0-1规划模型负荷分解精度不高的问题,建立了基于负荷功率特征序列的非侵入式负荷分解0-1规划模型。并改进了4种基于逐维计算的求解算法:量子遗传算法(QGA)、量子布谷鸟算法(QCS)算法、改进量子布谷鸟算法(MQCS)和改进二进制布谷鸟算法(IBCS)。实验表明上述4种算法能有效求解非侵入式负荷分解0-1规划模型。最后采用公开数据集构建实验数据,利用上述4种算法求解非侵入式负荷分解0-1规划模型。实验表明,上述4种求解非侵入式负荷分解0-1规划模型的算法在含噪声数据和不含噪声数据的情况下均能达到一定负荷分解效果,并且MQCS算法性能较佳。因此上述4种算法能有效求解非侵入式负荷分解0-1规划模型,并且具有较广泛的适用性。