基于大数据的非侵入式负荷分解技术研究

被引:27
作者
刘世成 [1 ]
刘沅昆 [2 ]
武昕 [2 ]
郑英刚 [3 ]
韩笑 [1 ]
机构
[1] 中国电力科学研究院
[2] 华北电力大学
[3] 中能瑞通(北京)科技有限公司
关键词
非侵入式; 负荷分解; 大数据; 负荷特征库; 用电数据;
D O I
10.16543/j.2095-641x.electric.power.ict.2016.12.002
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
随着智能电网的不断发展,提高用户的用电体验和电力营销的精细化管理变得越来越重要。作为居民用户用电行为模式识别的关键技术,非侵入式分解技术成为近年来研究的热点。文章在综述国内外非侵入式负荷分解关键技术的基础上,分析了面向用户的非侵入式负荷分解技术的研究内容,进而对涉及的研究方法进行了系统性的阐述,指出了研究的技术难点,并对未来技术的研究方向进行了展望。最后,对全文进行了总结,指出非侵入式负荷分解技术将会提高电能利用效率,促进电力资源的优化配置。
引用
收藏
页码:9 / 14
页数:6
相关论文
共 7 条
[1]
非侵入式电力负荷分解与监测 [D]. 
黎鹏 .
天津大学,
2009
[2]
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
[3]
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
[4]
非侵入式电力负荷在线分解 [J].
黎鹏 ;
余贻鑫 .
天津大学学报, 2009, 42 (04) :303-308
[5]
Applying a non-intrusive energy-management system to economic dispatch for a cogeneration system and power utility [J].
Chang, Hsueh-Hsien ;
Yang, Hong-Tzer .
APPLIED ENERGY, 2009, 86 (11) :2335-2343
[6]
聚类融合与深度学习在用电负荷模式识别的应用研究 [D]. 
林锦波 .
华南理工大学,
2014
[7]
基于暂态过程的非侵入式负荷监测 [D]. 
牛卢璐 .
天津大学,
2010