【技术实现步骤摘要】
本专利技术涉及电力负荷提取领域，特别是一种基于小波变换的空调负荷剥离方法。
技术介绍
1、为满足社会经济快速发展的需求，电力系统越来越需要快速、精准、高效的预测方法以确保整个系统的运行安全与经济效益。而空调等设备的大量使用，此类负荷对电力系统运行的安全、优质、经济、稳定影响越来越显著。目前，如最大负荷比较、基准负荷比较、最大温差、设备容量和空调数量推算等，都广泛应用于空调负荷剥离的研究中。然而由于空调负荷的非线性强、不稳定的特性，致使传统方法精确度极为有限。近年来，对总负荷先分解、再整合得到空调负荷的方法成为研究热点。
技术实现思路
1、本专利技术的目的是提供一种基于小波变换的空调负荷剥离方法，基于小波变换的方法对原始电力数据进行分解总负荷后，通过对各分量进行相关性研究分析，利用相关性分析整合各分量，得到总电力负荷中剥离的空调负荷数据，以达到提高剥离精度与效率的效果。本专利技术是通过以下技术方案实现的。
2、第一方面，本专利技术提供一种基于小波变换的负荷剥离方法，包括：
...【技术保护点】
1.一种基于小波变换的空调负荷剥离方法，其特征是，包括：
2.根据权利要求1所述的方法，其特征是，所述选择小波函数，确定分解层数包括，
3.根据权利要求1所述的方法，其特征是，通过小波基函数对原始电力负荷数据进行分解，获取相应分解层数的小波系数包括，首先利用Mallat算法对所述原始电力负荷数据L(n)进行多分辨率分析的小波分解，分解过程如下：其中，L(n)获取的原始电力负荷数据，是一种离散负荷序列，分别表示小波分解的低通滤波及高通滤波器；cAj为离散负荷序列L(n)在第j层的近似分量的小波系数；cDj为离散负荷序列L(n)在第j层的细节分量的...
【技术特征摘要】
1.一种基于小波变换的空调负荷剥离方法，其特征是，包括：
2.根据权利要求1所述的方法，其特征是，所述选择小波函数，确定分解层数包括，
3.根据权利要求1所述的方法，其特征是，通过小波基函数对原始电力负荷数据进行分解，获取相应分解层数的小波系数包括，首先利用mallat算法对所述原始电力负荷数据l(n)进行多分辨率分析的小波分解，分解过程如下：其中，l(n)获取的原始电力负荷数据，是一种离散负荷序列，分别表示小波分解的低通滤波及高通滤波器；caj为离散负荷序列l(n)在第j层的近似分量的小波系数；cdj为离散负荷序列l(n)在第j层的细节分量的小波系数；caj+1为离散负荷序列l(n)在第j+1层的近似分量的小波系数；cdj+1为离散负荷序列l(n)在第j+1层的细节分量的小波系数；其中，对于高通滤波器和低通滤波器，需要离散小波变换确定，所使用的公式为：其中，为小波系数，n为离散数据点的个数，n为离散数据点的序号，k表示平移因子，j表示小波分解层数，为母小波函数。
4.根据权利要求3所述的方法，其特征是，所述母小波函数采用daubechies小波基函数，所述daubechies小波基函数没有显式数学表达式，由尺度函数及其对应的小波函数确定，其中尺度函数决定小波函数，有：其中，n为离散数据点的序号，k为平移因子，j为小波分解层数，为小波的滤波系数。
5.根据权利要求1所述的方法，其特征是，所述对相应分解层数的小波系数进行重构，得到多组分量，包括
6.根据权利要求5所述的方法，其特征是，所述线性与非线性相关性分析包括，利用皮尔逊相关系数法分析每组分量与温度、湿度、风速、降雨量和人体舒适度特征向量的线性相关性关系，利用灰色关联度法分析每组分量与温度、湿度、风速、降雨量和人体舒适度特征向量的非线性相关性关系。
7.根...
【专利技术属性】
技术研发人员：季锐烨，许俊楠，葛杰，郝一宁，李婧娇，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。