针对非侵入式负荷监测技术中居民电器开关事件检测准确率不高的问题,提出一种基于二分递推奇异值分解(singular value decomposition,SVD)方法。对电器总有功功率数据进行二分递推SVD分解,通过计算奇异熵确定最佳分解层数,以不同层次空...针对非侵入式负荷监测技术中居民电器开关事件检测准确率不高的问题,提出一种基于二分递推奇异值分解(singular value decomposition,SVD)方法。对电器总有功功率数据进行二分递推SVD分解,通过计算奇异熵确定最佳分解层数,以不同层次空间的细节信号体现原始信号的突变点特征;采用硬阈值滤波函数对细节信号进行滤波,实现总有功功率中突变点位置的准确检测。利用不同噪声条件下实验数据和REDD(reference energy disaggregation data)数据集进行验证,所提方法克服了小波分解方法的检测位置偏移和非参数化双边滑动CUSUM变点检测方法的漏检、误检问题,有效提高了居民电器开关事件检测的准确率。展开更多
文摘针对非侵入式负荷监测技术中居民电器开关事件检测准确率不高的问题,提出一种基于二分递推奇异值分解(singular value decomposition,SVD)方法。对电器总有功功率数据进行二分递推SVD分解,通过计算奇异熵确定最佳分解层数,以不同层次空间的细节信号体现原始信号的突变点特征;采用硬阈值滤波函数对细节信号进行滤波,实现总有功功率中突变点位置的准确检测。利用不同噪声条件下实验数据和REDD(reference energy disaggregation data)数据集进行验证,所提方法克服了小波分解方法的检测位置偏移和非参数化双边滑动CUSUM变点检测方法的漏检、误检问题,有效提高了居民电器开关事件检测的准确率。
