一种综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法技术

本发明专利技术提出了一种综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法，为了防止由于稳态特征相近导致的用电器种类和状态区分问题，实现系统智能化优化识别用电器的效果以及提高用电器暂态和稳态过程的识别效果，本发明专利技术采取监测存储方式，当基波电流幅值发生变化后，开始存储采样周期，当未检测到多个变化的采样周期后，再通过改进的CUSUM方法识别用电器的暂态过程识别和稳态过程。同时，本发明专利技术通过卷积神经网络识别用电器的暂态过程以及C均值聚类法识别用电器稳态间的变化过程结合的手段，识别用电器的种类以及其处于何种工作状态。另外，利用C均值聚类算法的本质属性，本发明专利技术能够为用户构建动态的个性化的用电器特征数据库。最后，本发明专利技术基于正弦叠加公式能获得更加精确的前后稳态间的各频率下电流幅值的改变量。

A Non-intrusive Load Recognition Method Combining Transient and Steady State Change Characteristics

The invention provides a non-intrusive load identification method which integrates transient and steady-state characteristics. In order to prevent the problem of differentiating types and states of electrical appliances caused by the similarity of steady-state characteristics, realize the effect of intellectualized system optimization for identifying electrical appliances and improve the effect of identifying transient and steady-state processes of electrical appliances, the invention adopts a monitoring storage method when the fundamental wave electricity is used. When the current amplitude changes, the sampling period is stored. When no more than one sampling period is detected, the improved CUSUM method is used to identify the transient process and steady-state process of the electrical appliances. At the same time, the invention identifies the transient process of electrical appliances by convolution neural network and the means of combining the changing process of electrical appliances in steady state by C-means clustering method, and identifies the types of electrical appliances and their working state. In addition, by utilizing the essential attributes of the C-means clustering algorithm, the invention can construct a dynamic and personalized database of electrical appliances characteristics for users. Finally, based on the sinusoidal superposition formula, the present invention can obtain more accurate changes of current amplitude at various frequencies between the front and back steady states.

【技术实现步骤摘要】
一种综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法
本专利技术涉及智能电网领域，尤其涉及一种综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法。
技术介绍
随着不可再生能源的减少，以及温室效应导致的世界极端气候的增加，如何提高能源的使用效率成为了各国实现环保节能的政策中的重要一环。电能做为一种与居民密切相关的能源。在过去，居民通过传统的电表，仅仅只能了解家庭的总的用电情况，难以了解每一个具体的用电器的耗电情况，从而有针对性的选择更加高效节能的用电器，进而降低能耗。因此如何实现像手机电池管理一样让用户能够看见每一个用电器消耗电能情况，同时更进一步的利用大数据为居民推荐节能环保、价廉物美的用电器，是实现智能化节能环保的关键。而随着计算机技术的发展，各个国家的研究机构和公司都开始了相关领域的研究。目前，国际上识别用电器的方式主要采取侵入式和非侵入式两种。虽然侵入式识别方式具有识别效果精确的优势，但是由于装置安装的不便捷和产品价格高昂，导致这种方式难以进行广泛的市场推广。而非侵入式负荷监测(Non-IntrusiveLoadMonitoring，缩写为NILM)只需要在居民用电的总线上安装监测装备，基于当前发展已较为完善的人工智能识别算法、云计算和大数据分布式管理技术，能够仅通过家庭电路总线上的电流和电压的变化，大概率准确的识别用电器种类和状态，能够有效地为用户提供详细的家庭用电系统中各个用电器工作状态，受到了国内外大部分研究机构和公司的青睐。当前，大多数的NILM主要采取是首先对用电器工作的稳态和暂态识别，提取出用电器的稳态特征进行分析。通过采集大量的用电器稳态特征，例如基波电流、谐波电流、有功功率以及无功功率，建立对应用电器的数据库，之后利用用电器的特征数据库、应用聚类、隐马尔可夫链、神经网络、支持向量机和粒子群算法等智能算法，对单个稳态过程中多个用电器可能处于的状态向量求取最优解。但是，以上方法存在以下问题：1.某些用电器在稳态下具有极其相近的稳态特征，无法有效的区分用电器的种类；2.对采集数据库的依存度较高，无法根据家用用电环境的变化，优化用电器识别效果；3.过去的研究方法由于处于理想研究环境下，未考虑用电器状态改变事件发生的时机和采样数据之间的内在联系，会导致由于某些用电器的自身暂态具有较长的时间，在一个采样周期内仅能采到半个暂态事件，导致为识别系统提供错误的采样样例，导致系统识别错误。
技术实现思路
有鉴于此，本专利技术提出了一种用电器识别准确率高的综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法。本专利技术的技术方案是这样实现的：本专利技术提供了一种综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法，包括以下步骤，S1，采取监测存储方式，当基波电流幅值发生变化后，开始存储采样周期；S2，当未检测到多个变化的采样周期后，再识别用电器的暂态过程和稳态过程，针对识别出的用电器的暂态过程，执行步骤S3；针对识别出的用电器的稳态过程，执行步骤S4；S3，通过卷积神经网络识别用电器的暂态过程，进而识别用电器的种类和状态；S4，通过C均值聚类法识别用电器稳态间的变化过程，进而识别用电器的种类和状态；S5，结合步骤S3和S4确定用电器的种类和状态。在以上技术方案的基础上，优选的，所述步骤S1包括，S1-1，在用电器的总线上监测采样，得到去噪的电流信号，利用滑窗提取基波电流的幅值；S1-2，利用步骤S1-1中的二维图像进行波峰检测；S1-3，对步骤S1-2中的二维图像，采用滑窗进行双边CUSUM检测，通过峰值间增加变化或减少变化的累积和与阈值的判断，判断滑窗内基波电流的峰值间是否发生改变；S1-4，根据阈值，将步骤S1-3中检测到基波电流变化过程的距离靠近的滑窗段进行融合；S1-5，当采样的样例中检测到变化后开始存储变化前的稳态过程，检测变化开始后的电流信号，直到之后多个采样中均未检测到变化。进一步优选的，所述步骤S1-1中，利用时段长度为一个基波长度的滑窗，在经过去噪后的采样数据上滑动，在滑窗内部做快速傅里叶变化，提取在基波长度内，基波电流的幅值，忽略掉谐波电流的影响，然后以基波幅值为纵坐标，以采样值中滑窗的序数为横坐标，构建二维图像。在以上技术方案的基础上，优选的，步骤S2包括，S2-1，当未检测到多个变化的采样周期后，将步骤S1中的检测到的电流信号进行去噪、拼接，获得暂态过程的电流变化图像，以及暂态前后总电路上的稳态过程的特征值；S2-2，比较暂态过程两边的稳态过程的有功功率间的变化是否超过阈值，判断该暂态过程后总电路是否加入用电器；若有功功率变化超过阈值，执行步骤S3或S4，反之，则忽略该段暂态过程，跳转回步骤S1。在以上技术方案的基础上，优选的，步骤S3包括，将步骤S2得到的拼接后的电流信号添加进基于用电器暂态电流变化数据训练好的卷积神经网络中，识别可能的用电器的种类和状态。在以上技术方案的基础上，优选的，步骤S4包括，S4-1，将步骤S2得到的暂态变化前后的稳态特征值进行处理，根据分别获得前后两个稳态过程对应的基波电流、谐波电流以及谐波含量的变化量，生成特征向量；S4-2，将特征向量输入到C均值聚类的模型中，根据向量距离当前已知的类别的中心的距离，得到可能的用电器种类和状态。进一步优选的，步骤S4-1中，特征向量中的各个频率下的电流幅值变化特征值基于如下的数学表达式求取：稳态下的电流可以分解为I＝I1+I2+...+In其中I1为基波电流，In为谐波电流，n∈[2，n]，每一个频率下的电流都可以由正弦函数表示，A为振幅，ω为角频率，为初相位，检测出来的暂态两边的稳态间的各个频率下的电流的改变量为：其中，Iafter代表暂态后稳态的同一频率上的电流，Ibefore代表暂态后稳态的同一频率上的电流，Iafter代表稳态间同一频率上的电流的变化量，基于相关正弦和余弦公式，上式可变化为：式中Aafter，Abefore，皆已知，可求出该频率下的电流幅值改变量，对各个频率的电流求取电流幅值的改变量，同时可求得变化中的谐波含量，生成特征向量。在以上技术方案的基础上，优选的，所述步骤S5包括，由步骤S3的识别确定用电器属于哪一个类别，由步骤S4确定用电器属于哪一个品牌。进一步优选的，分别将步骤S3和步骤S4中相同类别的概率乘以权值后相加，取其和的最大值的方式确定用电器属于哪一个类别，其中，权值之和为1，当某个步骤中的类别不存时，对应的概率为0。本专利技术的综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法相对于现有技术具有以下有益效果：(1)利用C均值聚类对原始的数据模型依赖性小，随着系统的运行，在不断积累用户家庭电路的用电器状态改变特征向量后，训练贴合用户家庭电路中的用电器的特征库，提高了系统的对家用电路环境的适应性。这样，不仅可以防止由于电器使用过程中的电器老化，导致的用电器状态特征的改变，也可以收集不同种用电器特征，帮助之后的大数据研究同种用电器。同时，不断优化数据库，而不是单纯的将数据存入数据库，有利于降低数据存储所需的开销。(2)用电器的暂态虽然多变，但是通过研究可以发现同种用电器具有的独特的暂态特征。利用卷积神经网络识别用电器暂态事件，为识别用电器增加了一个新的维度的有用信息。将暂态事件以及稳态特本文档来自技高网...

【技术保护点】
1.一种综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法，其特征在于：包括以下步骤，S1，采取监测存储方式，当基波电流幅值发生变化后，开始存储采样周期；S2，当未检测到多个变化的采样周期后，再识别用电器的暂态过程和稳态过程，针对识别出的用电器的暂态过程，执行步骤S3；针对识别出的用电器的稳态过程，执行步骤S4；S3，通过卷积神经网络识别用电器的暂态过程，进而识别用电器的种类和状态；S4，通过C均值聚类法识别用电器稳态间的变化过程，进而识别用电器的种类和状态；S5，结合步骤S3和S4确定用电器的种类和状态。

【技术特征摘要】
1.一种综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法，其特征在于：包括以下步骤，S1，采取监测存储方式，当基波电流幅值发生变化后，开始存储采样周期；S2，当未检测到多个变化的采样周期后，再识别用电器的暂态过程和稳态过程，针对识别出的用电器的暂态过程，执行步骤S3；针对识别出的用电器的稳态过程，执行步骤S4；S3，通过卷积神经网络识别用电器的暂态过程，进而识别用电器的种类和状态；S4，通过C均值聚类法识别用电器稳态间的变化过程，进而识别用电器的种类和状态；S5，结合步骤S3和S4确定用电器的种类和状态。2.如权利要求1所述的综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法，其特征在于：所述步骤S1包括，S1-1，在用电器的总线上监测采样，得到去噪的电流信号，利用滑窗提取基波电流的幅值；S1-2，利用步骤S1-1中的二维图像进行波峰检测；S1-3，对步骤S1-2中的二维图像，采用滑窗进行双边CUSUM检测，通过峰值间增加变化或减少变化的累积和与阈值的判断，判断滑窗内基波电流的峰值间是否发生改变；S1-4，根据阈值，将步骤S1-3中检测到基波电流变化过程的距离靠近的滑窗段进行融合；S1-5，当采样的样例中检测到变化后开始存储变化前的稳态过程，检测变化开始后的电流信号，直到之后多个采样中均未检测到变化。3.如权利要求2所述的综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法，其特征在于：所述步骤S1-1中，利用时段长度为一个基波长度的滑窗，在经过去噪后的采样数据上滑动，在滑窗内部做快速傅里叶变化，提取在基波长度内，基波电流的幅值，忽略掉谐波电流的影响，然后以基波幅值为纵坐标，以采样值中滑窗的序数为横坐标，构建二维图像。4.如权利要求1所述的综合暂态特征和稳态间的变化特征的非侵入负荷式识别方法，其特征在于：步骤S2包括，S2-1，当未检测到多个变化的采样周期后，将步骤S1中的检测到的电流信号进行去噪、拼接，获得暂态过程的电流变化图像，以及暂态前后总电路上的稳态过程的特征值；S2-2，比较暂态过程两边的稳态过程的有功功率间的变化是否超过阈值，判断该暂态过程后总电路是否加入用电器；若有功功率变化超过...

【专利技术属性】
技术研发人员：胡彦杰，周任飞，杨旸，
申请(专利权)人：武汉中原电子信息有限公司，
类型：发明
国别省市：湖北,42