【技术实现步骤摘要】
本专利技术属于物联网和大数据
，涉及电能消耗监测和状态检测，尤其是涉及一种非侵入式在线实时电力负荷识别方法及识别系统。
技术介绍
负荷识别在19世纪80年代，由麻省理工学院Hart提出。为了减轻全球能源问题和环境问题，近期负荷识别技术越来越受到重视。负荷识别的目的是检测家庭中每个电器的能耗和实时状态。负荷识别能够帮助电网企业为居民侧提供负荷侧响应服务，家电故障检测服务。其中负荷识别又分为侵入式负荷监测技术和非侵入式负荷识别技术。对于侵入式负荷监测，是在每个家用电器上加装传感器以实时测量电器功耗和状态。非侵入式负荷识别技术仅需测量家庭总的实时用电功率，通过机器学习和人工智能算法来识别所有家用电器状态和功耗。相对于侵入式负荷监测，非侵入式负荷识别具有成本低廉，安装方便等有点。目前大部分解决方案是利用聚类算法，隐形马尔科夫模型，神经网络和支持向量机完成识别的过程。目前负荷识别技术具有以下局限性：需要大量有标签的样本做训练；只能识别大负荷用电设备，例如冰箱，空调等；由于缺乏大量的训练样本，识别准确率相对较低；硬件成本高昂，无法部署在居民住所；算法效率不高，通常无法达到实时和在线的效果。为此，人们进行了长期的探索，提出了各种各样的解决方案。例如，中国专利文献公开了一种非侵入式电力负荷监测与分解技术实施的体系架构[申请号：201410389560.0]，包括：部署在技术服务提供方一端的非侵入式电力负荷监测与分解技术服务管理模块，部署在用户一端的非侵入式电力负荷监测与分解功能模块，分布式网络拓展功能模块和双向通信网络传输模块。本专利技术从NILMD技术系统应用的...
【技术保护点】
一种非侵入式在线实时电力负荷识别方法，其特征在于，本方法包括下述步骤：A、获得实时电力信号：实时采集居民侧配电箱(1)的实时电力数据，然后将采集到的实时电力数据进行转换以获得实时电力信号；B、非侵入式负荷识别分析：将实时电力信号进行小波变换去噪、核密度估计检测事件、判断是否存在周期信号并计算周期、去周期性信号和提取趋势信号、聚类电力信号、提取电力信号特征，从而获得对应于居民侧配电箱(1)的每个家用电器的功耗数据和实时状态信息；C、结果反馈：将分析获得的居民侧配电箱(1)的每个家用电器的功耗数据和实时状态信息反馈给与居民侧配电箱(1)相应的居民侧用户。
【技术特征摘要】
1.一种非侵入式在线实时电力负荷识别方法，其特征在于，本方法包括下述步骤：A、获得实时电力信号：实时采集居民侧配电箱(1)的实时电力数据，然后将采集到的实时电力数据进行转换以获得实时电力信号；B、非侵入式负荷识别分析：将实时电力信号进行小波变换去噪、核密度估计检测事件、判断是否存在周期信号并计算周期、去周期性信号和提取趋势信号、聚类电力信号、提取电力信号特征，从而获得对应于居民...
【专利技术属性】
技术研发人员：李祖毅，鲍镇，庄蒙蒙，
申请(专利权)人：李祖毅，鲍镇，庄蒙蒙，
类型：发明
国别省市：北京;11
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。