基于因子隐马尔可夫模型的负荷分解方法及灵敏度分析

被引：71

作者：

陈思运 ^{[1
]}

高峰 ^{[1
]}

刘烃 ^{[2
]}

翟桥柱 ^{[2
]}

管晓宏 ^{[2
]}

机构：

[1] 机械制造系统工程国家重点实验室(西安交通大学)

[2] 智能网络与网络安全教育部重点实验室(西安交通大学)

来源：

电力系统自动化 | 2016年 / 40卷 / 21期

基金：

国家重点研发计划;

关键词：

隐马尔可夫模型; 因子隐马尔可夫模型; 负荷分解; 灵敏度分析;

D O I：

暂无

中图分类号：

TM714 [负荷分析];

学科分类号：

080802 [电力系统及其自动化];

摘要：

负荷分解是智能电网的关键技术,对负荷预测、需求侧管理及电网安全有重要意义。传统负荷分解方法的准确率受限于负荷特征的维度、采样频率和负荷的稳定性。文中提出了基于因子隐马尔可夫模型的负荷分解方法,利用该模型对负荷进行建模,对Viterbi算法进行了扩展并求解负荷状态,进而基于整数规划实现对总负荷的最优分配。该方法对负荷数据的稳定性和采样频率不敏感,可适用于家居和工业电力用户。同时,深入研究了Viterbi算法求解最优状态与观测扰动之间的影响关系,并进一步得到最优状态对于当前观测的允许扰动范围,这对负荷分解最优状态的可靠性评估有重要意义。

引用

页码：128 / 136

页数：9

共 4 条

[1]

非侵入式居民电力负荷监测与分解技术 [J].

余贻鑫 ;

刘博 ;

栾文鹏 .

南方电网技术, 2013, 7 (04) :1-5

[2]

一种适用于非侵入式负荷监测的暂态事件检测算法 [J].

牛卢璐 ;

贾宏杰 .

电力系统自动化, 2011, 35 (09) :30-35

[3]

Nonintrusive load disaggregation computer program to estimate the energy consumption of major end uses in residential buildings[J] M.L. Marceau;R. Zmeureanu Energy Conversion and Management 2000,

[4]

Factorial Hidden Markov Models[J] Zoubin Ghahramani;Michael I. Jordan Machine Learning 1997,

← 1 →