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。

面向可靠性预计的软件运行时行为模型构造方法

运行时行为模型构造是面向可靠性预计的软件运行时模型构造的组成部分,为软件可靠性预计提供运行时组件与组件之间的动态交互关系和状态之间的转移概率信息。基于Java开发平台提出了一种基于非侵入式监控的软件运行时行为模型的构造方法,包括获得当前时刻的运行时体系结构模型;根据运行时体系结构模型确定监控对象;声明监控方法中的代理Bean;声明监控方法中的监控Bean,实现对组件动态调用信息的提取;声明代理Bean和监控Bean的接口;基于模型构造算法实现对运行时行为模型的构造等步骤。基于Rainbow-znn软件进行了实例应用,验证了所提方法的可行性。

融合NILM的直接负荷控制安全机制研究

在智能电网信息物理融合框架下,针对用户对数据安全性,机密性和完整性的要求,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。