|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 非侵入式负荷监测与分解研究综述显示文摘非侵入式负荷监测与分解,作为智能用电技术体系的重要组成部分之一,能深入分析用户内部的负荷成分,获取不同精细程度的用户用电信息,这对用户、电力公司等多方都具有重大的意义。文章综述了国内外在非侵入式负荷监测与分解方面的研究现状,归纳了其基本原理与典型框架,着重论述了其中的3个关键技术,即事件探测、特征提取、负荷识别,并比较了这3个关键技术的不同方法,明确了各类方法的优缺点,分析了非侵入式负荷监测与分解的一些性能评价指标。最后,探究了非侵入式负荷监测与分解在用户层与变电站层的应用,并展望了将来的研究方向。 | 程祥 李林芝 吴浩 丁一 宋永华 孙维真 | 2016 | 电网技术2016，40，10： | 174 |
| 2 | 基于近邻传播聚类和遗传优化的非侵入式负荷分解方法显示文摘负荷监测和分解的研究具有广阔前景,将用电信息细化到内部用电细节,对智能电网中的双向互动、需求侧管理等具有较高应用价值,可为电力公司、用户等带来效益。针对现有非侵入式负荷监测和分解(NILMD)方法缺乏对用户用电特性的关注、多工作状态负荷处理的问题,细分用户用电模式,在对负荷按工/休日进行近邻传播(AP)聚类分析的基础上,增加设备工作状态合理性判断并结合遗传优化实现从总功率中分解出不同负荷设备及其对应工作状态。算例结果表明,所提方法可有效地辨识负荷类型和工作情况。该方法以稳态功率作为负荷特征,对一般的采样设备友好,数据获取较为简易,减少了硬件成本。 | 徐青山 娄藕蝶 郑爱霞 刘瑜俊 | 2018 | 电工技术学报2018，33，16： | 53 |
| 3 | 基于DTW算法与稳态电流波形的非侵入式负荷辨识方法显示文摘非侵入家用负荷识别技术可以指导家庭用户合理安排用电,提高用能效率,同时也为电力部门提供家庭用电的数据支持,有利于了解负荷用电规律及趋势,完善电力规划。由于家庭用户用电负荷的稳态特征值存在相似和无规律的问题,现有的方法多采用高级算法对所有的用电负荷组合进行训练。针对现有采用负荷稳态特征值方法进行识别所存在的不足,考虑到家用负荷稳态波形具有独特性和叠加性,提出了一种利用动态时间弯曲(DTW)算法计算与模版库波形的距离来识别家用负荷的辨识方法。首先,建立负荷稳态波形模版库;然后,在电压满足一定条件的情况下,测量家庭用户电流的稳态波形;最后,利用DTW算法计算出最小距离进行识别。 | 祁兵 董超 武昕 崔高颖 | 2018 | 电力系统自动化2018，42，3： | 42 |
| 4 | 基于k-NN结合核Fisher判别的非侵入式负荷监测方法显示文摘非侵入式负荷监测是目前智能用电领域一个重要的研究方向,而负荷识别是非侵入式负荷监测的核心内容。以负荷的奇次谐波电流幅值作为特征建立负荷特征库,通过分析负荷样本在特征空间的分布,设计了一种AdaBoost样本筛选算法以精简负荷特征库。利用k近邻(k-NN)算法的简捷性和核Fisher判别算法的非线性分类能力,通过误判风险控制将k-NN与核Fisher判别相结合用于家庭负荷识别,兼顾识别精度和计算复杂度,以提高对负荷特征相近电器的识别能力及整体识别速度。经实测数据检测,结果表明所提方法能够快速准确地实现居民负荷识别。 | 宋旭帆 周明 涂京 李庚银 | 2018 | 电力系统自动化2018，42，6： | 38 |
| 5 | 基于深度置信网络的电力负荷识别显示文摘针对目前电力负荷自动识别中存在的人工选择特征困难的问题并且为了进一步提高识别精度,提出一种基于深度置信网络(DBN)的电力负荷识别方法。DBN 是一种深度神经网络架构,在图像识别、语音识别以及电能质量扰动识别等领域有着成功的应用。DBN 由多个受限玻耳兹曼机(RBMs)和一层后向传播神经网络组成。使用对比散度算法,首先对第一个 RBM 进行充分训练,获取初始特征;然后将这些初始特征值作为训练数据训练下一个 RBM 以获取高级特征,以此类推;最后,通过反向传播算法采用监督方式微调整个 DBN。实验结果表明所提方法在8 种电力负荷类型的识别上有很好的效果,平均识别率超过 98%。 | 徐春华 陈克绪 马建 刘佳翰 吴建华 | 2019 | 电工技术学报2019，34，19： | 32 |
| 6 | 基于改进鸡群算法的非侵入式家电负荷分解显示文摘基于家电负荷在稳态工作时电流具有线性叠加的特点,提出一种基于家电负荷稳态基波电流和谐波电流为负荷特征量的非侵入式家电负荷分解算法。通过将一家电负荷的任一工作状态用0和1来表示,即只有关和开这两种状态,则家电负荷分解问题可转化为求解优化组合问题,然后运用改进鸡群算法来识别各个家电的工作状态。最后通过实例验证了该算法具有较高的负荷识别准确率和广泛的适用性,有利于非侵入式家电负荷分解技术的推广与应用。 | 许仪勋 李旺 李东东 游心超 | 2016 | 电力系统保护与控制2016，44，13： | 29 |
| 7 | 基于模板滤波的居民负荷非侵入式快速辨识算法显示文摘以电流信号的频域分析为基础,结合非侵入监测负荷运行的电流模型,利用单独作用时电流信号的频谱分量会完整包含于混合电流频谱中,提出一种基于模板滤波的居民负荷非侵入式快速辨识算法。通过先验方式获取用电网络各负荷的特征电流形成特征滤波器,对其频谱分量进行0-1赋值得到对应的模板滤波器。利用模板滤波器对非侵入采集模式下的混合电流信号滤波,通过对滤波后频率分量的量化判决确定负荷的运行状态。利用实际采集的用电数据验证了该算法的有效性,能够准确判断负荷运行状态。此外,算法利用快速傅里叶变换(FFT)即可实现,便于实际中硬件封装。 | 武昕 祁兵 韩璐 王震 董超 | 2017 | 电力系统自动化2017，41，2： | 29 |
| 8 | 基于遗传优化的非侵入式居民负荷辨识算法显示文摘负荷在线监测能够为电网及用户提供即时的用电信息,是支撑能效管理和负荷预测工作的有效手段。传统监测方法采用侵入式设计,难以大范围推广应用,因此非侵入式负荷监测方法(NILM)具有重要研究意义。负荷辨识是非侵入式负荷监测的关键,以典型居民负荷的特性分析为基础,提出了一种基于遗传优化的非侵入式居民负荷辨识算法。该算法基于负荷设备的负荷特性,包括有功功率和电流有效值,利用三种不同的编码方法构造判断负荷运行状态的适应度函数,通过遗传算法寻优,最终确定居民负荷的工作状态,并通过实测数据进行验证。实验结果表明,该算法能够实现居民用户负荷状态的有效辨识,且算法收敛速度较快,准确度高。 | 祁兵 韩璐 | 2017 | 电测与仪表2017，54，17： | 30 |
| 9 | 一种基于LSTM模型的电力负荷辨识方法显示文摘文中针对非侵入式负荷检测技术,提出了一种基于LSTM网络深度学习模型的负荷辨识方法。在该方法中,为避免电压、电流等信号的干扰,提出一种基于高斯窗移动变点寻优算法监测负荷事件,提取谐波分量作为负荷特征标签作为LSTM模型的输入,进而建立起内在信息间的映射关系,并依次进行模型的离线训练与负荷数据的在线辨识,实现对用电设备类型及其运行状态的精准辨识。经实验数据证明所提出的方法能准确完成对用电设备状态的辨识。 | 刘恒勇 刘永礼 邓世聪 史帅彬 闵若琳 周东国 | 2019 | 电测与仪表2019，56，23： | 27 |
| 10 | 基于多特征序列融合的负荷辨识方法显示文摘针对当前利用低频采样实现非侵入式负荷辨识存在的准确率低的问题,提出了基于多特征序列融合的负荷辨识方法。该方法首先建立负荷存在可能性的整数规划模型,进行初辨识以降低负荷辨识的维度。然后,根据滑动窗口算法获得组合功率序列和原始功率序列,提取其统计特征和奇异值特征,进而利用概率神经网络获得隐马尔可夫模型的观测值序列。同时,利用隐马尔可夫模型对负荷序列信息进行融合,计算观测序列和组合功率序列之间的相似度,从而完成在低频采样下的负荷辨识,并获得各个家用负荷的耗电量。最后,通过单负荷辨识、多负荷辨识、不同采样率辨识和各居民用户负荷辨识的仿真实验,得到负荷准确率和辨识精度的平均值均在85%以上,证明了所提算法的合理性和即时性能够达到在低频采样下负荷的辨识要求。 | 杨东升 孔亮 胡博 苑婷 | 2017 | 电力系统自动化2017，41，22： | 26 |
| 11 | 基于改进鸡群算法的非侵入式负荷监测显示文摘监测负荷运行状态有利于加强电网负荷侧管理,引导用户合理消费,实现节能降耗。针对小功率负荷与大功率负荷同时投入时,单一谐波电流特征易受线路电压、电流波动影响导致负荷辨识精度低的问题,提出一种基于改进鸡群算法的负荷监测方法,设计综合考虑稳态谐波电流和功率特征的正态分布度量函数,作为改进鸡群算法的适应度函数。实验结果表明,采用所提方法可有效提高负荷辨识准确率。 | 刘兴杰 曹美晗 许月娟 | 2018 | 电力自动化设备2018，38，5： | 25 |
| 12 | 基于DTW算法的非侵入式家居负荷行为识别方法显示文摘随着电力负荷监测在生产和生活中的广泛应用,非侵入式负荷识别技术得到发展,具有很好的发展前景。针对非侵入式家用电器负荷的行为识别存在识别特征量难以优化,识别算法收敛性差等问题,提出了一种基于特征匹配度的家居负荷的行为识别方法。将家用负荷开、关时的暂态波形和功率变化值作为特征量,运用DTW算法计算测试模板与参考模板之间的相似度,有效的识别出家庭用电的各项负荷数据,并且通过三种案例来模拟负荷的识别过程,验证了算法的可行性。 | 华亮亮 黄伟 杨子力 王钰 张可佳 | 2019 | 电测与仪表2019，56，14： | 25 |
| 13 | 基于实物期权的增量配电网投资决策显示文摘增量配电网放开后,增量配电区域内的电网资产收益将单独核算。无论是电网企业还是社会资本,都将面临新形势下的投资决策问题。首先针对增量配电网投资的盈利模式进行了分析,认为增量配电网投资收益带有多重不确定性。在此基础上,构建了增量配电网实物期权投资决策模型。同时结合增量配电网收益特性,运用模糊识别构建了波动率测算模型。最后通过算例分析验证了该模型的有效性。 | 叶彬 刘敦楠 杨娜 刘明光 赵宁宁 王宝 | 2018 | 电力系统自动化2018，42，21： | 21 |
| 14 | 基于聚类和关联分析的居民用户非侵入式负荷分解显示文摘现有的非侵入式负荷监测方法主要采用监督学习模型,该类模型需要具有针对性的大量训练数据,而且无法有效识别在训练数据中未出现的负荷。在分析多种家用电器负荷特征的基础上,选取负荷投切过程中暂态功率波形和功率变量作为负荷特征,并提出一种基于聚类和关联分析的无监督学习居民用户非侵入式负荷分解方法。首先根据功率变化情况提取电流和电压数据,并计算得到暂态功率波形;然后通过动态时间规整算法计算当前暂态功率波形与历史暂态功率波形的匹配度,并利用动态聚类算法和其他暂态负荷特征判别该功率波形对应的负荷操作;最后以周为单位对负荷操作进行关联分析,确定每种电器对应的多个暂态特征。仿真结果表明,所提方法易于实现,在准确率和可靠性方面有明显提高。 | 赵文清 张诗满 李刚 | 2020 | 电力自动化设备2020，40，6： | 20 |
| 15 | 基于PLA-GDTW支持向量机的非侵入式负荷监测方法显示文摘非侵入式负荷监测方法(non-intrusive load monitoring method,NILM)嵌入智能电表终端,可以进行全面的家庭能耗监测和用电优化管理,实现用户和电网的双向互动,推进智能用电的发展。提出了一种基于分段线性近似及高斯动态弯曲核(piecewise linear approximation Gaussian dynamic time warping kernel,PLA-GDTW)支持向量机的非侵入式负荷监测方法。首先分析家用电器暂态过程的有功功率变化,用暂态时间和暂态功率跳变值进行负荷预筛选,然后对暂态有功功率的波形进行分段线性近似(piecewiselinear approximation,PLA)从而实现波形特征提取和降维表示,最终将波形特征输入到以高斯动态弯曲核(Gaussiandynamic timewarpingkernel,GDTW)为核函数的支持向量机进行分类识别。实验结果显示所提出方法对于持续变化负荷及多负荷同时运行的情况均具有较高的识别率和较快的识别速度。 | 牟魁翌 杨洪耕 | 2019 | 电网技术2019，43，11： | 17 |
| 16 | 一种基于多参量隐马尔可夫模型的负荷辨识方法显示文摘由于电力需求侧负荷形态各异、特性多变,种类繁多,采用传统方法进行负荷辨识时存在识别率不高、模型建立困难、难以推广应用等问题。为此,基于智能负荷控制器(SRLC)的用电参数检测功能和非侵入式负荷监测(NILM)原理,提出一种基于多参量隐马尔可夫模型(MPHMM)的负荷辨识方法。该方法采用4个负载特性参数(电流、有功功率、无功功率、功率因素)作为模型的观测向量,通过模型学习和多次迭代计算,求得与MPHMM模型隐藏状态相匹配的观测序列的最大输出概率和最优状态序列,再采用辅助判别算法对结果进行修正,完成对负荷的最终辨识。通过搭建实验平台对所提方法进行验证。结果表明,该方法辨识准确率可达95%以上,特别是对小功率负荷具有较好的识别效果。 | 张丽 张涛 张宏伟 王福忠 郭江震 | 2019 | 电力系统保护与控制2019，47，20： | 16 |
| 17 | 基于非侵入式负荷辨识和关联规则挖掘的用户柔性负荷区间预测显示文摘柔性负荷可调区间预测,将非侵入式负荷辨识和大数据挖掘相结合,大数据挖掘得到柔性负荷功率的概率特性曲线,再基于非侵入式的方法在线辨识柔性负荷实际开启时段,在柔性负荷功率的概率统计特性曲线上截取位于该段时间窗口内的曲线,最后对多户家庭进行聚合,得到柔性负荷可调区间预测实用模型。相比于传统安装检测设备的方法,非侵入式辨识更加注重用户的隐私,也节约了安装设备的成本。再通过Apriori规则量化得到用能习惯和影响因素之间的关系,最终得出居民用户柔性负荷功率的概率特性曲线$将二者结合便可以得到柔性负荷可调区间预测模型。 | 黄彦璐 张震 张喆 柯德平 | 2019 | 南方电网技术2019，13，4： | 15 |
| 18 | 基于信号稀疏化欠定求解的居民用户非侵入式负荷分解算法显示文摘非侵入式负荷监测是实现智能用电的关键技术,负荷分解是实现该技术的重要环节。立足于非侵入采集模式下电流信号的欠定求解,研究了一种负荷分解算法。利用居民用户电器启动时间存在时间差的特点,将求解模型建立为单位时间间隔内仅从采集信号中分离两路信号,一路为新投入运行负荷的独立电流,一路为上一时刻的混合电流。该模型使每个投入运行的负荷均可独立分解,同时保证了欠定维度小,从而可有效求解。求解过程结合负荷电流信号的频域稀疏性,将欠定方程转化为最优化约束问题,通过两步迭代收缩阈值算法从混合信号中恢复出两路电流信号,并通过相似系数判断分离是否有效。利用实测用电数据验证了算法的有效性,通过正迭代方法得到当前参与运行的用电负荷,并根据相似系数确定负荷类型,实现了负荷辨识。 | 武昕 韩笑 | 2017 | 电网技术2017，41，9： | 14 |
| 19 | 一种非侵入式电力负荷监测系统的设计与实现显示文摘本文提出一种基于事件的非侵入电力负荷监测系统的设计方法,采用改进的基于滑动窗的双边CUSUM算法和基于TOPSIS的相似度匹配算法实现电力负荷事件的检测、分解和辨识。系统提高负荷监测效率和识别准确率的同时,对小功率负荷和多种负荷叠加也有较高的识别率,并具有识别未知电力负荷的能力。系统为实时在线监测系统,采用边缘计算的系统架构在用户侧完成负荷事件的辨识与分解,适用于海量用户在网运行,提高效率,减轻云端负荷。实验结果表明该设计具有硬件成本低、易于安装、实时性好、便于后期维护等特点,有着广泛的应用前景。适合在居民区和学校宿舍等地密集部署,产品已在国家电力公司规模化试点。 | 王爱囡 袁麓 丁长波 曹高杨 高鹏 | 2019 | 西安理工大学学报2019，35，3： | 14 |
| 20 | 基于选择性贝叶斯分类的非侵入式负荷识别方法显示文摘非侵入式负荷识别可以提供用电信息,帮助用户改善用电习惯,是智能用电的关键技术。现有非侵入式负荷识别方法主要基于负荷的稳态特征进行识别,对稳态特征近似的负荷识别率不高。针对此问题,该文结合各类家用负荷在投切过程中的不同特点,提出了一种基于选择性贝叶斯分类的识别方法。首先,利用模拟退火算法从特征库中依据负荷特点选择出对于各类负荷最具辨识度的特征;然后,根据选择的特征和高斯核密度估计方法建立灵活贝叶斯分类器;最后,通过计算各负荷的后验概率对负荷进行识别。经实测数据检验,该方法具有良好的识别精度和计算速度。 | 江帆 杨洪耕 | 2019 | 电力建设2019，40，2： | 13 |
您所在的机构暂未开通此部分的功能，请联系管理员