基于数据流的非侵入式负荷识别与分类

为了配合非侵入式系统对于负荷的监测、识别和分类,提高识别功能的可靠性和准确度,提出了新的典型负荷投切检测方法。该方法基于改进滑动双边窗法对于暂态过程的起始和终点确定,运用相关函数法和暂态能量算法。对比运用暂态能量法确定最具区分度的计算结束点,引入基于信息融合理论的判定结果作为判据,确定数据融合误差率阈值进行判定。应用相关函数法进行校验。算例中通过MATLAB仿真验证了该系统对于区分不同负荷投切事件的有效性。     

基于标准差偏离倍数的暂态事件检测算法

暂态事件检测是非侵入式负荷监测的重要研究部分。然而已有的暂态事件检测方法需要已知投切负荷的有功功率跃变幅值,并依此设定功率跃变前后功率差的检测阈值,导致无法应用于多个有功功率跃变幅度不同的负荷同时投切的情况。为此,提出了一种基于标准差偏离倍数的暂态事件检测算法。该算法通过有功功率偏离均值相对于标准差的倍数来检测变点是否出现,并通过偏离倍数最近一次穿越零点的时刻来精确定位变点位置。通过仿真对比了偏离倍数法和滑动窗算法的检测速度和精度,用BLUED数据集验证了算法在多个不同特性负荷投切情况下的有效性。该算法相比已有的检测算法,不仅不需要设定功率跃变前后功率差的检测阈值,还能应用于多个不同特性负荷投切的情况。经测试该算法具有更好的检测速度、检测精度,较低的误检率和漏检率。     

一种适用于非侵入式负荷监测的暂态事件检测算法

非侵入式负荷监测(NILM)是未来电力负荷监测的重要发展方向之一.不同类型电力负荷在投切过程中,通常会表现出独特的暂态特征.据此,NILM能够克服利用负荷稳态特征信息进行负荷辨识的局限性,实现对整个变电站、建筑物内部负荷集群的分解与分析.提出了一种信号预处理算法--基于滑动窗的双边累积和(CUSUM)暂态事件自动检测算...     

基于db4小波的配电网暂态电能质量扰动的检测与定位

针对暂态电能扰动持续时间短、变化速率快的特点,给出一种基于小波变换的暂态电能扰动检测方法。该方法使用db4小波对暂态电能信号进行采样、多尺度分解进而判断信号突变点,能精确地对配电网中常见的暂态电能扰动问题检测与定位,并与其它阶数db小波变换结果进行了比较。仿真结果表明,该方法能够快速、准确地对暂态电能扰动信号检测与定位,精度较高,满足实际工程需求。     

基于DTW的多状态负荷的非侵入式负荷分解

非侵入式负荷监测（NILM）是大数据和人工智能的重要应用领域,能够显著提升电网的智能化水平和节能效果。长期以来在NILM中采用稳态特征进行负荷分解时,优点是可识别功率近似的负荷,但是不能处理多状态负荷。为此,采用滑动时间窗作为事件探测算法,提出一种基于动态时间规整（DTW）的多状态特征的NILM模型。该模型首先对多状态负荷进行特征提取,并建立多状态特征的稳态波形模板库;然后利用滑动时间窗算法提取待分解负荷的稳态波形特征,将提取的稳态波形运用DTW算法与稳态波形模板库中的负荷特征计算最小距离进行辨识。该方法能够显著提升稳态条件下多状态负荷的辨识效果。最后采用公共数据集REDD进行测试验证,证明了所提方法的有效性。     

基于波形突变特征的海量行波数据中雷击干扰波形辨识

行波装置等高采样率装置已在电力系统得到普遍应用，未来将成为新型电力系统运行数据积累的重要来源。行波装置不仅会记录故障产生的电磁暂态过程，也会记录雷击干扰等其他扰动。雷击干扰虽然会引起绝缘的部分损伤，但由于缺少跳闸记录等事件记录的支撑，且高采样率数据存在离群点问题，雷击识别存在较大困难。文中提出基于中位数绝对离差法滑动窗口的行波数据预处理方法，消除绝大部分异常坏点并对其暂态细节进行修复，抑制异常坏点引起的波形奇异点，对预处理后行波数据做形态学梯度提取，抑制波形中变化较为平缓部分，放大局部暂态突变细节，从而提取电流行波数据突变的相关特征。采用合成少数类过采样技术平衡少数类样本，利用随机森林无需特征归一化的特点，避免新加入数据造成归一化重置的问题，实现了海量数据中线路扰动数据的初步提取，并通过雷电定位系统完成验证。     

基于低频功率差量特征与双长短期记忆网络的非侵入式负荷监测方法

为提升负荷监测中事件检测与负荷识别的准确性与适应性,提出一种基于低频功率差量特征与双长短期记忆网络的非侵入式负荷监测方法。基于低频数据,根据电器正常运行造成的功率波动与事件启停造成的功率跳变之间的特性差异,提出一种事件检测算法,该算法通过滑动窗内功率波动的差量特征排除波动干扰,实现事件准确定位并获取相关功率数据;建立一种双长短期记忆网络,对不同电器构建专一电器判别单元并进行训练;建立由各判别单元组成的事件识别网络,根据各判别单元输出的概率对事件进行综合判别,实现非侵入式负荷监测。基于测试数据集的仿真结果验证了所提方法的有效性与准确性。     

深度学习与幅值特征相融合的低频采样非侵入式负荷辨识算法

非侵入式负荷监测中虽然高频采样能提高负荷辨识准确率,但对数据采集设备要求高,难以推广,因此,低频采样下负荷辨识方法成为研究热点。以低频采样下负荷投入时的暂态电流波形为特征,采用卷积神经网络算法实现负荷辨识,辨识结果发现CNN对暂态电流波形差异大的负荷辨识准确度高,但是对暂态电流波形相似的负荷识别准确率低,为解决这一问题,在卷积神经网络辨识的基础上,对暂态电流波形相似的负荷,以暂态电流幅值为特征作进一步辨识,以提高辨识准确率。通过使用实测数据进行验证,结果表明所提算法可以很好地克服低频采样下波形特征相似负荷识别准确率低的问题。     

考虑群延迟和暂态时延的短窗低通滤波器设计

为采用基于采样值和正弦信号模型的快速保护算法,并防止重采样环节的频率混叠,智能变电站的数字化保护需要数字低通滤波器配合。提出一种基于Tukey窗函数,并且同时考虑滤波器幅频特性和群延迟、暂态时延的低通滤波器设计方法。该方法首先确定窗函数时域宽度Tc和截止频率fc,再根据采样频率fs和固定不变的fc,确定滤波器的长度N≤2fs/fc,最后根据N和fc得到完整的滤波器系数。通过理论分析、数字仿真和静态实验,研究了所设计滤波器的幅频特性、群延迟和暂态时延。对采用所设计滤波器的母线保护进行RTDS实验,通过对比表明,按所提方法设计的滤波器在群延迟和暂态时延性能上明显优于传统窗函数法设计的滤波器,降低了滤波器环节对保护速动性的影响。     

基于似然比判决准则的电能质量去噪算法

电能质量信号去噪是电能质量扰动判决和定位的基础。电力系统中,绝大部分电能质量信号都含有较明显的突变点。该文首先分析了现有各种去噪算法的不足,然后在此基础上针对信号的二阶导数设计了一个局部滑动窗,并将该滑动窗分成左右两个长度相等的窗口,最后以左右窗口均值差的似然比作为判决准则来判决突变点。基于突变点判决的结果,对突变点区域和非突变点区域采用不同的滤波方法。实验结果表明,该文所提出的混合滤波算法,去噪效果良好,能较完整的保留突变点的信息,较好地解决了保护信号局部特征与抑制噪声之间的矛盾,在绝大部分电能质量去噪领域,有突出的优势。     

基于变分模态分解与Teager能量算子的谐波/间谐波检测方法

为了提高电力谐波信号中谐波/间谐波的检测精度,提出一种基于变分模态分解(VMD)与Teager能量算子相结合的检测新方法。利用相关系数法来确定VMD算法中的模态分解个数K;采用VMD对谐波/间谐波信号进行分解,得到一系列IMF分量;利用Teager能量算子对IMF分量进行解调分析,能够得到分量的瞬时幅值和频率,同时根据时频图中瞬时频率突变点,可准确定位暂态谐波/间谐波的起止时刻。在信噪比较低的情况下,将集合经验模态分解(EEMD)、VMD分别与Teager能量算子相结合进行谐波/间谐波检测的对比。仿真实验对比表明文中所提方法能将稳态、暂态谐波信号进行有效的分离,同时具有较高的检测精度和较好的噪声鲁棒性。     

基于贝叶斯迭代的非侵入式负荷事件检测方法

无监督型的非侵入式负荷监测技术是负荷监测领域的发展趋势,而负荷事件检测是其中的重要环节。目前的负荷事件检测方法存在超参数复杂不易调整的问题,且对不同类型的负荷事件自适应能力差。为此,提出一种基于贝叶斯迭代的负荷事件检测方法。该方法构建了事件检测模型,基于贝叶斯迭代对模型进行求解,最后结合负荷监测的应用实际优化求解速度。采集典型家用负荷的实际运行数据对所提方法进行测试,测试结果表明,文中方法对于不同类型的负荷事件有较强的自适应能力,相比于GLR方法与CUSUM方法,其具有更简单、更易于调整的超参数,且能获得更高的检测准确率,为非侵入式负荷事件检测提供了新思路,同时可以更方便地应用于工程实践。     

基于贝叶斯信息准则的非侵入式负荷事件检测算法

用户负荷数据监测是实现需求侧管理的基础,非侵入式负荷监测技术是负荷监测的重要发展方向,而事件检测是非侵入式负荷监测中的一个关键环节。对适用于模型选取问题的贝叶斯信息准则进行建模,将贝叶斯信息准则首次运用到事件检测当中,利用快速事件检测算法降低贝叶斯信息准则检测算法的误检率,并能解决CUSUM算法中产生的漏检问题。最后采用真实数据集进行测试。实验结果表明,相比于CUSUM算法,基于贝叶斯信息准则的事件检测算法能达到更好的检测准确性,并且能明显提高计算运行的速度。     

基于最优组合赋权改进S变换的电压暂降检测方法

电压暂降是电能质量问题的一种,为了能更准确快速地对电压暂降进行检测分析,文章提出了一种基于改进S变换的电压暂降信号检测方法,利用基频幅值差分平方向量检测电压暂降信号的起止时刻,通过定义起止时刻误差、暂降深度误差、局部标准差、峰度和能量五个指标得到其与改进S变换高斯窗调节因子的关系曲线,应用最优组合赋权法对该五项指标进行赋权,从而得到S变换的最优参数。仿真结果表明,通过文中提出的方法易于得到基频幅值差分平方向量曲线以及突变点曲线,从而更准确地定位暂降发生的起止时刻;相位跳变曲线能够更好地反映电压暂降的相位跳变情况;基频幅值曲线能够更准确地检测出电压暂降的暂降深度;时间幅值平方和均值曲线能更精确地反映电压暂降发生的起止位置。     

基于KM算法投切事件匹配的负荷辨识方法

负荷投切事件是关联负荷分类、辨识的一个重要依据,为了能够准确的实现非侵入式负荷投切过程的辨识,提出一种基于KM算法投切事件匹配的非侵入式负荷辨识方法。在该方法中,首先采用一种功率曲线拟合逼近的方式进行负荷事件检测,并利用投切稳态特征建立用电设备投入和切除特征的概率分布模型。同时,考虑到负荷投入事件和切除事件数量不对等情况,将负荷事件与数据库负荷进行匹配,并采用加权优化的KM算法寻找最佳解,从而实现负荷投入和切除的正确匹配辨识。最后,在真实的测试场景并结合REDD数据集进行实验,结果表明文中方法能对负荷投切事件进行有效匹配辨识,为实现能耗细分奠定了基础。     

基于设备运行状态挖掘的非侵入式负荷分解方法

随着非侵入式负荷监测与用户侧智能电表的结合,基于低频电力数据实现负荷分解成为了最新的研究趋势。考虑到低频电力数据的特征,文章提出一种基于设备运行状态挖掘的非侵入式负荷分解方法。该方法首先进行负荷事件检测,并在负荷事件处提取功率特征;接着在特征平面内通过聚类算法获取表征不同类型负荷事件的聚类簇;最终采用图信号处理算法在聚类簇间挖掘设备运行状态并与数据库中的模板进行匹配实现负荷分解。算例验证了该方法事件检测和负荷分解的准确率,同时验证了在状态挖掘过程中引入设备运行周期能耗对额定功率相似设备的负荷分解具有优化效果。因此,为基于低频电力数据的非侵入式负荷分解技术研究提供了新思路。     

基于小波变换和Prony算法的振荡瞬变和电压波动检测

近年来,电能质量扰动信号的检测已成为国内外研究的一个热点。就振荡瞬变与电压波动这两种电能质量现象提出了新的检测方法。对于振荡瞬变现象,现有的方法往往只能实现扰动定位检测,难以提供振荡频率、幅值、持续时间等必要特性参数。提出了基于小波变换和Prony算法的检测方法,利用小波奇异性检测特性实现扰动定位检测,同时还利用Prony算法直接求取其特征参数。对于电压波动,IEC推荐的闪变仪不适合分析时变的或含多种调制频率的波动信号,并且只能提供基于统计评价的闪变值。提出的基于小波变换的检测方法,利用小波奇异性检测特性检测出波动的起止时刻：利用小渡多分辨分析理论测量出波动分量含有的各调制频率及对应幅值,最后计算出闪变值。基于Matlab和Simulink／PSB软件的仿真结果都表明了提出的两种检测方法的有效性。     

基于改进匈牙利算法的非侵入式负荷匹配方法

针对非侵入式负荷监测中常用电力负荷开启与关闭的配对特性,本文提出了一种基于匈牙利算法的匹配方法。在该方法中,首先采用Prony滑动窗进行负荷事件检测,并以此提取投切前后的负荷变化特征信息;然后将负荷开启和关闭事件转换为二分图寻优匹配问题,结合增广路径寻找最大匹配的原理,建立功率代价矩阵模型,进而寻找负荷投入和切除的最佳匹配。进一步地,为了避免负荷事件开启和关闭的功率不对等,提出采用添加虚拟节点的策略对算法进行改进,引入灰色关联度评价与多重匹配策略。实验结果表明,所提出的方法能有效地识别出负荷的开启和关闭,为后续准确的负荷辨识奠定基础。