计及非侵入式负荷监测及负荷预测的设备运行模式研究

提出了一种新型非侵入式负载监控(Non-Intrusive Load Monitoring,NILM)方法,该方法结合了设备使用模式(Appliance Usage Patterns,AUP)以提高主动负载识别和预测的性能.在第一阶段,使用基于频谱分解的标准NILM算法来学习给定AUP;利用所得AUP通过专门构建的模糊系统来获得设备的先验概率.AUP基于最近的设备活动/不活动和一天中的时间,给出了每个设备在当前时刻处于活动状态的可能性度量.因此,通过AUP确定的先验概率增加了NILM算法的有效负载识别精度.将所提方法应用于几组实际家庭数据库,证明了其对主动负载估计的改进能力.利用所提方法制定并实施了住宅用电量预测机制,实验结果证明了所提方法的有效性.