基于决策融合的非侵入式电力负荷辨识方法及应用

被引:23
作者
王晓换 [1 ]
李如意 [1 ]
周东国 [2 ]
周洪 [2 ]
胡文山 [2 ]
机构
[1] 河南许继仪表有限公司
[2] 武汉大学动力与机械学院
关键词
辨识决策; 非侵入式; 负荷分解; 节能; 负荷监测;
D O I
暂无
中图分类号
TM714 [负荷分析];
学科分类号
080802 ;
摘要
在非侵入式负荷分解与辨识中,单独一种算法的辨识决策方法容易受算法自身的局限性以及电网对用电设备而降低辨识精度,使得不能准确获得用电设备投切情况。为此,基于多种不同算法得到的分解与辨识结果,提出了一种非侵入式电力负荷分解与辨识决策融合方法。首先,提取每个用电设备平稳状态下的负荷特征,并采用3种常用的模式识别方法进行分解与辨识。然后将得到的辨识结果,进一步采用一种加权方法对投切结果进行决策。最后采用案例分析,对决策融合方法进行了合理验证。结果证明,辨识决策方法可以有效地提高设备辨识的准确性。
引用
收藏
页码:115 / 121
页数:7
相关论文
共 13 条
[1]   考虑节能减排的多目标模糊机会约束动态经济调度 [J].
刘文学 ;
梁军 ;
贠志皓 ;
李正茂 ;
董晓明 .
电工技术学报, 2016, 31 (01) :62-70
[2]   大用户电力负荷的多模型模糊综合预测 [J].
谷云东 ;
张素杰 ;
冯君淑 .
电工技术学报, 2015, 30 (23) :110-115
[3]   考虑不同群体效益的微电网经济调度模型研究 [J].
郭宁 ;
滕欢 ;
李基康 .
高压电器, 2015, 51 (10) :40-46
[4]   智能变电站非侵入式测试技术研究 [J].
鲍伟 ;
高翔 ;
沈冰 ;
周健 .
电力系统保护与控制, 2015, 43 (20) :125-129
[5]   一种基于径向基神经网络的短期风电功率直接预测方法 [J].
马斌 ;
张丽艳 .
电力系统保护与控制, 2015, 43 (19) :78-82
[6]   基于市场的中长期电力消费需求预测 [J].
傅守强 ;
汪莹 ;
刘素伊 ;
叶承晋 ;
刘畅 ;
刘洋 ;
岳云力 ;
游沛羽 .
电网与清洁能源, 2015, 31 (07) :74-80
[7]   基于峰时负荷交易的有序用电机制研究 [J].
杨定立 ;
昌健 ;
王莉芳 ;
董稳改 ;
李强 .
电网与清洁能源, 2015, 31 (07) :33-36+43
[8]   微网电能质量特征及其监测分析 [J].
潘爱强 ;
时珊珊 ;
董瑞安 ;
刘军成 .
高压电器, 2015, 51 (06) :133-138
[9]   基于人工神经网络的负荷模型预测 [J].
李龙 ;
魏靖 ;
黎灿兵 ;
曹一家 ;
宋军英 ;
方八零 .
电工技术学报, 2015, 30 (08) :225-230
[10]   基于ESPRIT分解算法的短期电力负荷预测 [J].
马哲 ;
舒勤 .
电力系统保护与控制, 2015, 43 (07) :90-96