基于EEMD和特征降维的非侵入式负荷分解方法研究

文档摘要：针对现有非侵入式居民用电负荷监测缺乏对独立负荷完整、全面的分解方法,导致用电信息的完整性得不到保证的不足,提出一种基于集合经验模态分解(ensembleempiricalmodedecomposition,EEMD)和Pearson-PCA改进的盲源分离算法.利用EEMD对总功率信号分解,以消除经验模态在分解过程中易出现模态混叠的现象,并得到一系列固有模式函数(intrinsicmodefunctions,IMF).结合Pearson相关系数和主成分分析法(principalcomponentanalysis,PCA),提出Pearson-PCA改进算法对IMF进行降维,剔除相关性较弱的IMF分量,以及估计源信号数目.运用快速独立分量分析(fastindependentcomponentanalysis,FastI-CA)对降维后的IMF进行分解,计算得出源功率信号.将提出的改进算法应用于非侵入式居民用电负荷分解问题,采用能量分解数据集(referenceenergydisaggregationdata,REDD)进行实验仿真.实验结果表明:在不同用电场景下,提出的改进算法均具有较好的分解效果.

Abstract：Aimingatthelackofacompleteandcomprehensivedecompositionmethodforindependentloadintheexistingnon-intrusiveresidentialelectricityloadmonitoring,theintegrityofelectricityconsumptioninformationcan-notbeguaranteed.Animprovedblindsourceseparationalgorithmbasedonensembleempiricalmodedecomposition(EEMD)andPearson-PCAisproposed.Firstly,EEMDisusedtodecomposethetotalpowersignaltoeliminatethemodalaliasingphenomenonintheempiricalmodedecompositionprocess,anditcanobtainaseriesofintrinsicmodefunctions(IMF).Secondly,combiningwithPearsoncorrelationcoefficientandprincipalcomponentanalysis(PCA),animprovedPearson-PCAalgorithmisproposedtoreducethedimensionalityoftheIMF,removetheweakerIMFcomponents,andestimatethenumberofsourcesignals.Then,fastindependentcomponentanalysis(FastICA)isusedtodecomposethereduced-dimensionalIMFtocalculatethesourcepowersignal.Finally,theproposedim-provedalgorithmisappliedtothenon-intrusiveresidentialelectricityloaddecompositionproblem,andtherefer-enceenergydisaggregationdata(REDD)isusedforexperimentalsimulation.Theexperimentalresultsshowthattheproposedimprovedalgorithmhasabetterdecompositioneffectindifferentelectricityconsumptionscenarios.

作者：汪敏  张孟健  禹洪波  熊炜  袁旭峰  邹晓松Author：WANGMin  ZHANGMengjian  YUHongbo  XIONGWei  YUANXufeng  ZOUXiaosong
作者单位：贵州大学电气工程学院,贵阳550025
刊名：电测与仪表 ISTICPKU
Journal：ElectricalMeasurement&Instrumentation
年，卷(期)：2024, 61(6)
分类号：TM714
关键词：非侵入式负荷分解  单通道盲源分离  集合经验模态分解  相关性过滤  主成分分析  
Keywords：non-intrusiveloaddecomposition  single-channelblindsourceseparation  ensembleempiricalmodedecomposition  correlationfiltering  principalcomponentanalysis  
机标分类号：TP391TN911.7TN4
在线出版日期：2024年7月24日
基金项目：国家自然科学基金基于EEMD和特征降维的非侵入式负荷分解方法研究[
期刊论文]  电测与仪表--2024, 61(6)汪敏  张孟健  禹洪波  熊炜  袁旭峰  邹晓松针对现有非侵入式居民用电负荷监测缺乏对独立负荷完整、全面的分解方法,导致用电信息的完整性得不到保证的不足,提出一种基于集合经验模态分解(ensembleempiricalmodedecomposition,EEMD)和Pearson-PCA改进的盲源分离...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

关键词：非侵入式负荷分解,单通道盲源分离,集合经验模态分解,相关性过滤,主成分分析,

2024-10-4 00:22 上传 基于EEMD和特征降维的非侵入式负荷分解方法研究.pdf

文件大小:

12.99 MB

下载次数:

60

高速下载