基于智能电表的非侵入式负荷识别算法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-17页 |
| 1.1 课题研究背景及意义 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 智能电表研究现状 | 第9-12页 |
| 1.2.2 暂态事件检测算法研究现状 | 第12-14页 |
| 1.2.3 负荷识别算法研究现状 | 第14-15页 |
| 1.3 本文主要研究内容及结构安排 | 第15-17页 |
| 第2章 智能电表系统设计 | 第17-31页 |
| 2.1 智能电表数据采集系统 | 第17-26页 |
| 2.1.1 智能电表数据采集现有问题 | 第17-19页 |
| 2.1.2 智能电表设计方案比较 | 第19-20页 |
| 2.1.3 本文采用的智能电表硬件设计方案 | 第20-23页 |
| 2.1.4 智能电表软件系统设计 | 第23-26页 |
| 2.2 智能电表上位机程序设计 | 第26-29页 |
| 2.3 本章小结 | 第29-31页 |
| 第3章 暂态事件检测算法 | 第31-43页 |
| 3.1 数据预处理 | 第31-33页 |
| 3.1.1 噪声简介 | 第32页 |
| 3.1.2 传统去噪方法 | 第32页 |
| 3.1.3 小波去噪简介 | 第32-33页 |
| 3.2 基于滑动窗残差模型的暂态事件检测 | 第33-38页 |
| 3.2.1 暂态事件简介 | 第34-35页 |
| 3.2.2 算法介绍 | 第35-38页 |
| 3.2.3 背景电流去除 | 第38页 |
| 3.3 BLUED数据库介绍 | 第38-39页 |
| 3.4 实验结果与分析 | 第39-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 基于特征融合的负荷识别算法 | 第43-51页 |
| 4.1 负荷电流暂态特征提取与选择 | 第43-46页 |
| 4.1.1 多维度暂态电流波形特征提取 | 第43页 |
| 4.1.2 S变换原理简介 | 第43-44页 |
| 4.1.3 典型相关分析原理简介 | 第44-45页 |
| 4.1.4 SVM分类器简介 | 第45-46页 |
| 4.2 实验数据介绍 | 第46-47页 |
| 4.3 实验结果与分析 | 第47-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第5章 基于S变换与双向2DPCA的负荷识别 | 第51-57页 |
| 5.1 双向2DPCA基本原理 | 第51-53页 |
| 5.1.1 PCA原理简介 | 第51-52页 |
| 5.1.2 2DPCA | 第52-53页 |
| 5.1.3 双向2DPCA | 第53页 |
| 5.2 实验结果与分析 | 第53-55页 |
| 5.3 本章小结 | 第55-57页 |
| 第6章 总结与展望 | 第57-61页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-61页 |
| 参考文献 | 第61-67页 |
| 发表论文和参加科研情况 | 第67-69页 |
| 致谢 | 第69页 |
