-
题名基于在线特征库的非侵入式负荷特征提取方法
被引量：5
- 1
-
-
作者
王谱宇
耿路路
刘兴江
程含渺
方凯杰
张小平
-
机构
南京理工大学自动化学院
中国电子科技集团公司第
江苏省电力有限公司营销服务中心
英国伯明翰大学工程学院
-
出处
《中国电机工程学报》
EI
CSCD
北大核心
2024年第9期3489-3499,I0012,共12页
-
基金
国家自然科学基金项目(51807091)
国防科技重点实验室基金项目(JCJQLB05406)
英国工程物理科学基金项目(EP/N032888/1)
-
文摘
负荷特征是指负荷设备运行过程中具备某种统计规律的特殊标识,而包含负荷特征的数据库则是实现非侵入式负荷监测与分解的基本依据。对于纯阻性负荷设备,研究人员利用其运行状态切换过程中功率产生跃变的特点,可以准确提取相应状态下的负荷特征。然而,对非纯阻性设备,其负荷特征提取存在以下2个问题。问题1)运行状态切换过程中功率变化不显著,无法精准定位状态投切时刻点;问题2)负荷设备存在功率缓变化的运行状态,导致对应状态下的负荷特征不唯一,无法手动提取。为了解决非纯阻性设备负荷特征提取中存在的上述问题,提出一种基于在线特征库的非侵入式负荷特征提取方法,该方法分为2个阶段。第一阶段:基于负荷设备运行过程中的稳态周期电流数组建立在线特征库,通过改进Pearson相似系数构建滑窗函数,得到负荷设备运行时的周期电流数组与在线特征库的相似性,并同步判断在线特征库冗余性,实现负荷设备状态数据分割;第二阶段:计算在线特征库的特征矩阵,对特征矩阵进行K-means聚类分析,融合相似在线特征库,形成负荷设备的状态特征库,从而实现负荷设备特征电流数组的提取。在私人数据集和PLAID数据集上的测试结果证明,所提负荷特征提取方法在不同的用电场景下均有较好的鲁棒性。所提方法可大幅减少负荷特征提取阶段的人工参与,有利于缓解因负荷设备种类过多导致的负荷特征提取烦琐的问题,为后续建立负荷特征数据库提供了便利。
-
关键词
状态检测
负荷特征
周期电流数组
在线特征库
K-MEANS算法
-
Keywords
state detection
load feature
periodic current array
state feature library
K-means clustering
-
分类号
TM714
[电气工程—电力系统及自动化]
-
