智能电网用户侧能耗数据监测系统研究

摘要

随着数据挖掘与人工智能技术的大力发展，针对家庭负荷分解数据以及电器使用过程中所产生的大量相关数据的加工利用，对于节能减排水平的提高以及智能电网的发展具有重要的意义。传统的每个用电单元的总电能测量方法，已经不能满足大数据时代对用户侧各种用电设备的数据分离的需求。
　　本研究所设计智能电网用户侧能耗数据监测系统可以实现用电设备能耗数据分离，用户可以通过该系统了解自己的详细用电信息。目前在这一领域，非侵入式负荷监测由于其相对于侵入式负荷监测成本较低的特点，是当前负荷监测的主流方向，但这种监测方式也存在一定的局限性。首先，针对家庭负荷监测，这种方法由于其硬件平台搭建需要进行大规模入户线改造而难以实施；其次，为了保证一定的准确性，非侵入式负荷辨识算法所需的计算量非常大。针对上述问题，本文应用了一种新系统结构，该系统结构将非侵入式负荷监测方法与侵入式负荷监测方法进行了融合，使该系统同时具备了低成本性和高准确性。对数据的管理，在混杂样本处理方面，根据监测对象特点和分类处理特点对重复剪辑近邻法进行了改进，利用了改进C均值法分类过程中伴随产生的有效样心距圈定了重复剪辑近邻法的剪辑范围，从而减少了计算量。考虑到电器可能出现老化现象，在数据管理过程中，本文只保存系统最后运行的45分钟的样本量，45分钟之前的样本进行删除，每15分钟系统更新一次。为了验证本文所设计的系统，实验选取了总共9种常用的家用电器分3个辨识节点进行实验，实验2小时内，辨识的准确率可达99.98%。

目录

第1章 绪论

1.1 课题研究背景

1.2 课题领域国内外发展现状与趋势

1.3 课题研究内容、意义与创新点

1.4 本章小结

第2章 智能电网能耗数据监测系统研究

2.1 智能电网及其对能耗监测的发展要求

2.2 能耗监测方式

2.3 半侵入式能耗监测系统与电器辨识

2.4 本章小结

第3章 电力干线模型搭建

3.1 辨识算法步骤

3.2 电流先验知识数据库角差处理

3.3 电力干线模型建立原理

3.4 电力干线模型

3.5 本章小结

第4章 电器辨识算法

4.1 电器辨识概念

4.2 电器辨识过程及原理

4.3 C-均值法[36]

4.4 重复剪辑近邻法[36]

4.5 类心重合处理算法

4.6 能耗计算与监测

4.7 本章小结

第5章 能耗数据监测系统搭建

5.1 系统方案设计

5.2 硬件平台搭建

5.3 软件系统设计

5.4 本章小结

第6章 实验验证

6.1 辨识实验配置

6.2 辨识实验

6.3 聚类效果

6.4 实验统计

6.5 数据库

6.6 本章小结

第7章 工作总结与展望

7.1 工作总结

7.2 展望

致谢

参考文献

附录A 课题来源、论文发表情况

附录B 能耗系统实物图

附录C 能耗系统实物图

附录D 相关程序部分代码

声明