非侵入式负荷监测对开展节能工作,提供负荷调峰信息以及建设智能电网具有重要的现实意义。针对目前非侵入式负荷监测和分解方法在低频采样条件下识别准确度低的问题,提出了一种考虑状态概率因子和状态修正的非侵入式负荷分解方法。首先...非侵入式负荷监测对开展节能工作,提供负荷调峰信息以及建设智能电网具有重要的现实意义。针对目前非侵入式负荷监测和分解方法在低频采样条件下识别准确度低的问题,提出了一种考虑状态概率因子和状态修正的非侵入式负荷分解方法。首先,对预先获取的电力数据进行meanshift聚类,构建负荷不同状态下的功率模板;然后,在传统功率特征的基础上,将状态概率因子(state probability factor,SPF)作为新特征引入目标函数,通过改进的多特征遗传优化迭代实现负荷分解;最终对分解结果进行异常状态修正。在AMPds数据集上对算法性能进行了评估,仿真结果显示上述方法可有效提高负荷分解的准确性。展开更多
文摘非侵入式负荷监测对开展节能工作,提供负荷调峰信息以及建设智能电网具有重要的现实意义。针对目前非侵入式负荷监测和分解方法在低频采样条件下识别准确度低的问题,提出了一种考虑状态概率因子和状态修正的非侵入式负荷分解方法。首先,对预先获取的电力数据进行meanshift聚类,构建负荷不同状态下的功率模板;然后,在传统功率特征的基础上,将状态概率因子(state probability factor,SPF)作为新特征引入目标函数,通过改进的多特征遗传优化迭代实现负荷分解;最终对分解结果进行异常状态修正。在AMPds数据集上对算法性能进行了评估,仿真结果显示上述方法可有效提高负荷分解的准确性。
