智能家庭環(huán)境中用電行為識別與反饋方法研究.pdf

1、家庭環(huán)境中，電力需求側(cè)的用戶用電行為的識別和反饋是提高終端用戶環(huán)保意識、節(jié)能減排的重要手段，目前已經(jīng)引起了國內(nèi)外學(xué)者的廣泛研究?，F(xiàn)有的已搭建的智能環(huán)境對家庭中的行為識別存在一些缺陷，選用侵入式的設(shè)備使得用戶難以接受，采用非侵入式設(shè)備的識別方法識別精度不夠高。針對以上問題，本文采用了更加合理的數(shù)據(jù)獲取方式，對用戶的行為建立了本體模型，并使用改進(jìn)的隱式馬爾科夫模型做為行為識別方法。本文的主要研究內(nèi)容如下:
　　(1)針對行為識別系統(tǒng)采

2、樣方式的用戶接受度低，行為識別主要采用已有的數(shù)據(jù)集，沒有考慮實(shí)際情況下數(shù)據(jù)發(fā)生的錯(cuò)誤和丟失問題，設(shè)計(jì)了智能插座采樣電器的負(fù)載數(shù)據(jù)進(jìn)行行為識別，提出了負(fù)載數(shù)據(jù)驗(yàn)證和融合兩種曲線擬合方法的LBboosting算法來修復(fù)數(shù)據(jù)。算法通過核極限學(xué)習(xí)機(jī)學(xué)習(xí)了家庭電路損耗的特點(diǎn)，用總分端的功率關(guān)系相互驗(yàn)證和修復(fù)數(shù)據(jù)，實(shí)驗(yàn)結(jié)果證明LBboosting算法修復(fù)性能好于拉格朗日插值和B樣條(b-spline)算法，數(shù)據(jù)的缺失對識別性能有重要影響，數(shù)據(jù)質(zhì)量的

3、保證提高了行為識別的精度。
　　(2)針對目前識別精度不夠高的問題，加入室內(nèi)無縫定位模塊，建立了用電行為本體模型，并利用其中的領(lǐng)域知識定義了一個(gè)概率矩陣，將本體知識結(jié)合二階HMM（Second-order Hidden Markov Model，HMM2），提出了基于知識和數(shù)據(jù)混合驅(qū)動(dòng)的識別方法HMM2K，與經(jīng)典的識別方法NB（Na(i)ve Bayes）、HMM(Hidden Markov Model)進(jìn)行了對比，實(shí)驗(yàn)結(jié)果表明H

4、MM2K縮短了訓(xùn)練測試時(shí)間，識別精度也要好于其他方法。
　　(3)針對目前能源反饋中設(shè)計(jì)思路過于主觀，對耗能行為改進(jìn)無明確指導(dǎo)，評價(jià)方法模糊的問題，提出了行為導(dǎo)向的交互反饋模型EnergyAction。該模型利用焦點(diǎn)上下文(focus+context，F(xiàn)+C)技術(shù)突出焦點(diǎn)對象來幫助用戶改進(jìn)行為，并使用奧茲原型(Wizard of OZ)設(shè)計(jì)測試我們的能量反饋原型。提出了行為改進(jìn)值的評價(jià)標(biāo)準(zhǔn)，相比于傳統(tǒng)的僅僅依靠電能節(jié)約率來評價(jià)行為