發(fā)布時(shí)間：2024-07-03 01:34

　　具備對負(fù)荷信息的感知功能是家庭能源路由器有效運(yùn)行的必然要求。為了完善面向家庭能源路由器的負(fù)荷智能感知技術(shù),本文利用非侵入式負(fù)荷監(jiān)測技術(shù)實(shí)現(xiàn)家庭能源路由器的負(fù)荷智能感知功能,提出一種面向家庭能源路由器的非侵入式負(fù)荷智能感知技術(shù)。首先,研究非侵入式負(fù)荷智能感知理論基礎(chǔ)與系統(tǒng)建模。在研究非侵入式負(fù)荷監(jiān)測技術(shù)的理論基礎(chǔ)上,構(gòu)建家庭能源路由器非侵入式負(fù)荷智能感知系統(tǒng)模型并設(shè)計(jì)其工作流程。其次,研究基于累積和算法的事件檢測方法。在將事件檢測問題轉(zhuǎn)化為變點(diǎn)檢測問題的基礎(chǔ)上,采用帶滑動(dòng)窗的雙邊累積和算法進(jìn)行事件檢測,能夠根據(jù)負(fù)荷總電流有效值準(zhǔn)確檢測到事件發(fā)生的具體時(shí)刻及事件類型等重要信息。在實(shí)驗(yàn)驗(yàn)證與結(jié)果分析階段,利用檢測問題中的漏檢率和誤檢率等評價(jià)指標(biāo)對事件檢測算法的性能進(jìn)行量化評估。然后,研究負(fù)荷特征提取和降維方法。設(shè)計(jì)暫態(tài)特征和穩(wěn)態(tài)特征相結(jié)合的特征提取方法,為負(fù)荷識(shí)別提供最具辨識(shí)的負(fù)荷特征。針對提取的特征維數(shù)過大的問題,設(shè)計(jì)基于主成分分析算法的特征降維方法,在降低分類任務(wù)的同時(shí)實(shí)現(xiàn)數(shù)據(jù)的可視化。最后,研究多決策融合的負(fù)荷識(shí)別方法。在權(quán)衡負(fù)荷識(shí)別準(zhǔn)確率和算法計(jì)算開銷的前提下,針對不同類型的負(fù)荷采取...

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景和來源
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 家庭能源路由器負(fù)荷智能感知技術(shù)研究現(xiàn)狀
        1.2.2 非侵入式負(fù)荷監(jiān)測技術(shù)研究現(xiàn)狀
    1.3 論文的主要研究內(nèi)容
第2章 非侵入式負(fù)荷智能感知理論研究與系統(tǒng)建模
    2.1 引言
    2.2 非侵入式負(fù)荷監(jiān)測技術(shù)的理論基礎(chǔ)
        2.2.1 侵入式負(fù)荷監(jiān)測和非侵入式負(fù)監(jiān)測的對比
        2.2.2 非侵入式負(fù)荷監(jiān)測的原理
        2.2.3 非侵入式負(fù)荷監(jiān)測的步驟
    2.3 用于非侵入式負(fù)荷監(jiān)測研究的公開數(shù)據(jù)集
    2.4 家庭能源路由器非侵入式負(fù)荷智能感知系統(tǒng)建模
        2.4.1 系統(tǒng)模型
        2.4.2 系統(tǒng)工作流程
    2.5 本章小結(jié)
第3章 基于CUSUM算法的事件檢測方法的研究
    3.1 引言
    3.2 變點(diǎn)檢測問題的數(shù)學(xué)描述
    3.3 CUSUM算法的原理
        3.3.1 非參數(shù)化的CUSUM算法
        3.3.2 雙邊CUSUM算法
        3.3.3 帶滑動(dòng)窗的雙邊CUSUM算法
    3.4 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析
        3.4.1 實(shí)驗(yàn)驗(yàn)證
        3.4.2 結(jié)果分析
    3.5 本章小結(jié)
第4章 特征提取和降維方法的研究
    4.1 引言
    4.2 暫態(tài)特征和穩(wěn)態(tài)特征提取方法
        4.2.1 暫態(tài)特征提取
        4.2.2 穩(wěn)態(tài)特征提取
    4.3 基于PCA算法的特征降維方法
    4.4 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析
        4.4.1 特征提取實(shí)驗(yàn)驗(yàn)證
        4.4.2 特征降維實(shí)驗(yàn)驗(yàn)證
    4.5 本章小結(jié)
第5章 多決策融合的負(fù)荷識(shí)別方法的研究
    5.1 引言
    5.2 基于DBSCAN算法的負(fù)荷聚類方法
    5.3 基于DTW算法的電流曲線匹配方法
    5.4 實(shí)驗(yàn)驗(yàn)證與結(jié)果分析
        5.4.1 實(shí)驗(yàn)驗(yàn)證
        5.4.2 結(jié)果分析
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文
致謝



本文編號：4000324