Исследование и анализ неинвазивного мониторинга и декомпозиции нагрузки

«Это 18-й день моего участия в ноябрьском испытании обновлений, ознакомьтесь с подробностями события:Вызов последнего обновления 2021 г."

предисловие

1. Авторы: Ченг Сян, Ли Линьчжи, У Хао, Дин И, Сун Юнхуа, Сунь Вейчжэнь
2. Ключевые слова: интеллектуальное потребление электроэнергии, неинтрузивность, мониторинг нагрузки, управление энергопотреблением пользователя, реагирование на спрос.
3. Ключевые слова на английском языке: интеллектуальное использование энергии, ненавязчивый, мониторинг нагрузки, управление потреблением, реагирование на спрос
4. Общее содержание: Представлены основные принципы и типовые схемы неинтрузивного мониторинга и декомпозиции нагрузки: измерение данных, обработка данных, обнаружение событий, извлечение признаков и идентификация нагрузки. Он также подробно описывает обнаружение событий, извлечение признаков и идентификацию нагрузки и в основном представляет алгоритмы, используемые в настоящее время в каждом аспекте. Наконец, для NILMD предлагаются две перспективы: расширение типов пользователей и развитие наборов данных, повышение производительности декомпозиции нагрузки.

текст

Штамп нагрузки (LS)

С точки зрения непрофессионала, это характеристики каждого электроприбора.

Эта LS определяется как уникальная информация, которая может отражать состояние энергопотребления, такое как форма кривой мощности и т. д., воплощаемая электрическим оборудованием в процессе эксплуатации. ЛС делится наУстановившееся состояние, переходное состояние, режим работыКатегория 3

Типичная структура NILM

измерение данных

1. В основном получают установившиеся и переходные сигналы полной нагрузки.
2. Ошибка измерения: одна из них — несоответствие измерительного устройства; это происходит из-за сжатия и передачи исходных данных, что приводит к отсутствию данных.

обработка данных

Шумоподавление и поюнитизация.

Цель стандартизации состоит в том, чтобы облегчить решение проблем с помехами, вызванными колебаниями качества электроэнергии.

обнаружение событий

В основе обнаружения событий лежит изменение сигнатуры нагрузки в течение определенного периода времени, и существует два метода: определение правила и обнаружение точки изменения.

Методы обнаружения точки изменения события: тест отношения правдоподобия (обобщенное отношение правдоподобия, GLR), тест последовательного отношения правдоподобия (последовательный тест отношения правдоподобия). Обнаружение сигнальных мутаций теста отношения вероятностей (SPRT), алгоритм искусственного иммунитета с учетом критерия Фишера

Извлечение признаков

В следующей таблице приведены методы извлечения признаков, основанные на стационарных и переходных признаках.

Технология извлечения признаков, которая всесторонне рассматривает стационарные и переходные характеристики нагрузки, использует преимущества обоих и предлагает несколько новых алгоритмов:

• Выберите 7 видов LS, которые объединяют ток, напряжение, активную мощность и реактивную мощность, и выполните преобразование Фурье для достижения извлечения признаков.Обнаружено, что комбинация 4 видов LS может обеспечить наивысшую точность.
• Декомпозиция нагрузки выполняется с использованием стационарных функций, таких как форма тока, активная мощность и реактивная мощность, а также форма переходного процесса активной мощности при включении.Результаты показывают, что этот комплексный мульти- метод извлечения признаков
• Двухуровневая структура извлечения признаков определяет тип электроприборов с помощью стационарных характеристик первого уровня, а затем различает, какое электрическое оборудование основано на установившихся, переходных режимах и шаблонах поведения пользователя второго уровня. .

Использование нетрадиционных метрик функций:

• Используемая переходная энергия включения используется для различения различных электроприборов с одинаковой активной и реактивной мощностью.
• Выберите различные отпечатки одного электрического устройства в течение периода времени работы, включая отпечатки краев, отпечатки последовательности, отпечатки тенденций, отпечатки долговечности и т. д.

идентификация груза

Другие методы:

1. Использование контролируемых самоорганизующихся карт и байесовских смесевых распознавателей
2. Fuzzy C-Means на основе алгоритма роя частиц в сочетании с нейро-нечетким методом классификации для идентификации бытовых приборов
3. Улучшенная неявная марковская модель, объединяющая дифференциальные наблюдения

приложение НИЛМД

1. Обнаружение и диагностика неисправностей
2. Оптимизация энергетической стратегии

Перспективы исследования

1. В настоящее время в Китае существует несколько общедоступных наборов данных, а зарубежный набор данных REDD BLUED AMPds UK-DALE
2. Улучшена производительность разделения нагрузки

Замечательные статьи в прошлом

• Последний письменный тест Nioke по интерфейсу JS, 100 вопросов
• Резюме последних предварительных вопросов интервью Ниуке (включая анализ)
• Получите последние предварительные вопросы интервью Niuke и 500 горячих точек интервью JS для анализа данных.
• Примите кошку для VSCode и веб-сайта
• Душевная пытка родного JavaScript (1), сколько вы можете ответить?
• Глубокое понимание прототипа и цепочки прототипов в JavaScript
• Глубокое понимание EventLoop в JavaScript
• «2w Word Big Chapter 38 Interview Questions» подробно разъясняет эту проблему указания в JS.

послесловие

Друзья, если вы чувствуете, что эта статья вам полезна, ставьте лайк Абао? или подписывайтесь➕ — это самая большая поддержка для меня.

Кроме того, если есть какие-либо проблемы с этой статьей или если вы не понимаете часть статьи, вы можете ответить мне в области комментариев, давайте обсудим, изучим и добьемся успеха вместе!

Если вы чувствуете, что область комментариев неясна, вы также можете добавить мой WeChat (li444186976) или qq (3315161861) для подробного общения, имя - пакет поля боя.