摘要：
近年来因传统的电力负荷监测方法成本高、效率低，在应用上受到很大制约，而非侵入 式负荷检测系统仅在电网的用户入口处安装一个传感器，通过采集和分析用户用电总功率或 总电流来监测每个或每类用电设备的用电功率和工作状态，从而了解用户家中每个或每类用 电设备的耗电情况和用电规律，对于指导用户科学合理用电和电力公司准确预测电力负荷、科学制定电网调度方案、提高电力系统稳定性和可靠性有着重要意义。
在本文中，利用matlab软件对所给出的相关数据通过小波降噪，清除异常点等预处理。问题一，分析预处理的数据，提取单一设备的暂态特征，有功功率与无功功率、电流谐波、电压-电流轨迹（V-I trajectory）这四类特征，并给出了各负荷特性特征值的计算提取方法。采用公式计算各个单一设备的实时用电量，计算结果详见附件energy1.xlsx。
问题二，建立模型对任意单一设备进行识别。通过问题一提取的四类负荷特征建立基于相似度的负荷识别模型，首先定义了特征相似性来表示任意两个设备在某个特征下的相似程度，通过熵值法确定所得各个特征的相似度权系数；其次将特征相似度加权求和确定总的特征相似度，选择相似度最高的设备与未知设备匹配；最后采用模型计算未知设备的实时用电量，计算结果详见附件energy2.xlsx。
问题三，采用基于事件检测的非侵入式用电负荷分解方法对多负荷进行状态识别。首先对可能发生事件的时间点进行检测，本文以有功功率的改变值作为事件检测的依据并给出了算法的流程和具体处理方法；其次建立 0-1规划模型进行多负荷的运行状态识别，提出了一种基于连续化的0-1二次规划的非侵入式负荷识别算法，确定出各用电设备的状态、操作与操作时间，并通过对附件3已知操作记录的设备组验证了上述方法的有效性；最后建立了多负荷下的实时用电量估计模型，用以计算设备组的各设备的实时用电量，计算结果详见附件energy3.xlsx。
问题四，采用基于决策树的非侵入式用电负荷识别方法。本文利用决策树算法结合用电设备数据库，实现了在不同组合负荷运行时的采样数据的负荷识别。首先将提取出的待识别负荷的特征参数与数据库中已知负荷的特征参数进行比较匹配，选择最近似的作为识别结果确定设备组的设备构成；其次采用问题三的0-1规划模型确定各个设备的状态、操作及操作时间，计算结果详见附件operation4.xlsx；最后采用多负荷下的实时用电量估计模型计算设备组的各设备的实时用电量，计算结果详见附件energy4.xlsx。
关键词：非侵入式；负荷识别；负荷分解；事件检测；0-1 规划；决策树
关注“官方公众号”
