融合NILM的直接负荷控制安全机制研究

摘要

采取一种应用于 AMI 的具有隐私保护功能的可恢复数据安全聚合方案。

利用同态加密聚合方式保证用户用电数据的安全性,利用一种合适的编码机制保证用户用电数据的可恢复性;

针对用户对直接负荷控制指令的可靠性和完整性的要求,利用 ESAM 芯片进行源认证,保证指令在传输过程中不被篡改;

针对电力公司对用户可信度的要求,利用非侵入式负荷监测技术实现对用户可信度的验证,帮助电力公司核实用户正确响应电网直接负荷控制需求,简化了繁琐的用户可信度证明过程。

基于监督学习的非侵入式负荷监测算法比较

摘要

建立基于多层感知器( MLP) 神经网络、 k-近邻算法、逻辑回归、支持向量机的 4 种 NILM 分类模型,利用 BLUED 数据库对 4 种分类器进行训练和测试,对比分析其在识别精度、训练时间、识别 速度和抗噪能力方面的表现,并对其在家庭负荷识别中的应用效果进行对比研究。

结果表明, 4 种分类器中 MLP 神经网络具有总体最优的分类效果和计算性能,更适用于家庭用户负荷监测。

基于NILM技术的家庭用户精确负荷建模方法

摘要

本文提出了一种基于非侵入式负荷监测(NILM)技术的家庭用户精确负荷建模方法。

该方法应用 NILM 技术对家庭主要设备负荷特性的提取,然后通过模糊 C 聚类法实现家庭负荷模型归类,获得设备针对不同电价的转移灵敏度和自灵敏度用电特性,并在此基础上形成家庭负荷特性。

通过电网公司分时电价环境下实测的家庭典型用电负荷数据验证可知,空调、洗衣机、热水器、电动汽车具有较 大的弹性,其中洗衣机的自弹性和交叉弹性最大,在高电价时段可削减 100%。

该方法所获得的家庭负荷辨识的结 果,可支持居民电价/激励等需求侧管理政策的制定,也可支持用户家庭用电设备状态监测服务等。

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×