学位论文 > 优秀研究生学位论文题录展示

基于HSMM的非侵入式家庭电力负荷分解算法研究

作　者: 张玲玲
导　师: 刘仰光
学　校: 太原科技大学
专　业: 控制理论与控制工程
关键词: 非侵入式家庭电力负荷分解数据预处理隐半马尔科夫模型评估度量
分类号: TM714
类　型: 硕士论文
年　份: 2014年
下　载: 1次
引　用: 0次
阅　读: 论文下载

内容摘要

非侵入式家庭电力负荷分解就是对家庭电力入口处总的电能分解成单个设备所消耗的电能。本文以家庭电力负荷功率幅值变化为特征，提出了一种基于隐半马尔科夫模型(Hidden Semi-Markov Model, HSMM)的分解算法，对家庭用电设备的运行状态进行辨识，从而求解每类设备消耗的功率。最后结合两种评估测度和REDD数据集进行仿真实验，验证了算法的正确性及合理性。首先，为了消除观测值序列中的异常数据，通过移除常开设备信号、滤波分析、计算差分波形三个过程对数据进行预处理，得到特征观测值序列。本文以REDD数据集作为实验数据，通过对REDD中六个家庭的总的功率数据进行预处理，得到功率差分波形，根据功率幅值范围，用K均值聚类算法对家庭用电设备进行分类。其次，针对隐马尔科夫模型(Hidden Markov Model, HMM)建模的局限性，本文基于隐半马尔科夫模型对家庭电力负荷进行建模，即在HMM中引入了状态驻留时间长度，电力负荷的当前运行状态转换到下一个运行状态时，不仅和当前的运行状态有关，而且和当前运行状态所持续的时间有关，然后用改进的Viterbi算法求解每类设备的最佳状态转移序列，根据每类设备的均值可以得到每类设备所消耗的功率。最后，本文从整体和局部提出了两种评估测度，总的分解误差和单类设备的比重误差。评估实验数据表明，HSMM提高了状态识别的精度，同时对六个家庭电力负荷的实验结果表明所提出的改进方法有较好的识别效果，分解精度较高，可以有效的实现非侵入家庭电力负荷的分解。

全文目录

中文摘要  5-6
ABSTRACT  6-7
目录  7-9
第一章引言  9-19
  1.1 课题研究背景  9-10
  1.2 课题研究意义  10-12
  1.3 非侵入式电力负荷监测系统  12-13
  1.4 非侵入式电力负荷分解算法研究现状  13-15
  1.5 非侵入式电力负荷监测在各国的应用情况  15-17
  1.6 本文的主要工作  17-19
第二章数据预处理  19-27
  2.1 数据分析  19-20
  2.2 数据预处理过程  20-26
    2.2.1 移除常开设备信号  20-21
    2.2.2 滤波分析  21-23
    2.2.3 计算差分波形  23-26
  2.3 本章小结  26-27
第三章基于 HSMM 非侵入式家庭电力负荷分解  27-37
  3.1 概述  27
  3.2 基于 HMM 及其扩展模型的非侵入式电力负荷分解  27-32
    3.2.1 隐马尔科夫模型(HMM)  27-29
    3.2.2 HMM 的几种扩展模型  29-31
    3.2.3 基于 HMM 的非侵入式电力负荷分解算法  31-32
  3.3 基于 HSMM 的非侵入式家庭电力负荷分解  32-36
    3.3.1 隐半马尔科夫模型(HSMM)  32-35
    3.3.2 改进的 Viterbi 算法  35-36
  3.4 本章小结  36-37
第四章评估度量及实验结果  37-49
  4.1 评估度量及分析  37-41
    4.1.1 总的分解误差  38
    4.1.2 单个设备的比重误差  38-41
  4.2 实验结果  41-48
  4.3 本章小结  48-49
第五章总结与展望  49-51
  5.1 总结  49
  5.2 展望  49-51
参考文献  51-56
致谢  56-57
攻读学位期间发表的学术论文目录  57-58

基于HSMM的非侵入式家庭电力负荷分解算法研究

内容摘要

全文目录

相似论文